内容简介：我们假设计算机运行一行基础代码需要执行一次运算。那么上面这个方法需要执行 2 次运算
- 时间复杂度（运行次数）
我们假设计算机运行一行基础代码需要执行一次运算。
int aFunc(void) {
printf("Hello, World!\n"); // 需要执行 1 次
return 0; // 需要执行 1 次
}
那么上面这个方法需要执行 2 次运算
int aFunc(int n) {
for(int i = 0; i<n; i++) { // 需要执行 (n + 1) 次
printf("Hello, World!\n"); // 需要执行 n 次
}
return 0; // 需要执行 1 次
}
这个方法需要 (n + 1 + n + 1) = 2n + 2 次运算。
我们把 算法需要执行的运算次数 用 输入大小n 的函数 表示，即 T(n) 。
常用算法时间复杂度：
- O(1)常数型
- O(n)线性型
- O(n^2)平方型
- O(n^3)立方型
- O(2^n)指数型
- O(log2^n)对数型
- O(nlog2^n)二维型
时间复杂度的分析方法：
1、时间复杂度就是函数中基本操作所执行的次数
2、一般默认的是最坏时间复杂度，即分析最坏情况下所能执行的次数
3、忽略掉常数项
4、关注运行时间的增长趋势，关注函数式中增长最快的表达式，忽略系数
5、计算时间复杂度是估算随着n的增长函数执行次数的增长趋势
6、递归算法的时间复杂度为：递归总次数 * 每次递归中基本操作所执行的次数
- 空间复杂度（占用内存）
- 算法消耗的空间
一个算法的占用空间是指算法实际占用的辅助空间总和 - 算法的空间复杂度
算法的空间复杂度不计算实际占用的空间，而是算整个算法的“辅助空间单元的个数”。算法的空间复杂度S(n)定义为该算法所耗费空间的数量级，它是问题规模n的函数。记作：S(n)=O(f(n)) 1
若算法执行时所需要的辅助空间相对于输入数据量n而言是一个常数，则称这个算法的辅助空间为O(1);
递归算法的空间复杂度：递归深度N*每次递归所要的辅助空间， 如果每次递归所需的辅助空间是常数，则递归的空间复杂度是 O(N).
冒泡排序
原理：从第一个元素开始，往后比较，遇到自己小的元素就交换位置
let arr = [89, 19, 90, 9, 3, 21, 5, 77, 10, 22]
function bubbleSort(arr) {
for (let i = 0; i < arr.length; i++) {
for (let j = 0; j < arr.length - 1 - i; j++) {
if (arr[j] > arr[j + 1]) {
[arr[j], arr[j + 1]] = [arr[j + 1], arr[j]]
}
}
}
return arr;
}
bubbleSort(arr)
for (let j = 0; j < arr.length - 1 - i; j++) 对于这里的理解：
- 当
i = 0时,j的 最大值 是arr.length-2,那最后一个值就不比吗？并不是，if (arr[j] > arr[j + 1])如果j<arr.length,j+1就会溢出。 - 那为什么又要
-i呢，当i=0时,经过第一次循环，最大值就会放到数组的最后一位，此时，在进行第二次循环的时候i=1，最后的最大数就没必要再比了，要比的就是前length-1-1项,以此类推，可以减少循环次数，控制时间复杂度，所以j < arr.length - 1 - i。
// 另一种写法
let arr = [89, 19, 90, 9, 3, 21, 5, 77, 10, 22]
function bubbleSort(arr) {
// 用i来做边界最大值
for (let i = arr.length - 1 ; i > 0 ; i--) {
for (let j = 0; j < i; j++) {
if (arr[j] > arr[j + 1]) {
[arr[j], arr[j + 1]] = [arr[j + 1], arr[j]]
}
}
}
return arr;
}
bubbleSort(arr)
选择排序
它的工作原理如下。首先在未 排序 序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。以此类推，直到所有元素均排序完毕。
let arr = [89, 19, 90, 9, 3, 21, 5, 77, 10, 22]
function selectionSort(arr) {
let len = arr.length;
let min = ''; // 定一个最小值
// i < len-1 * 因为j = i + 1,不然会重复比较一次最后一位
for (let i = 0 ; i < len-1 ; i++) {
min = i
for (let j = i+1; j < len; j++) {
if (arr[min] > arr[j]) {
min = j
}
}
[arr[i], arr[min]] = [arr[min], arr[i]]
console.log(`i=${i}; min=${min}; arr=${arr}`)
}
return arr;
}
selectionSort(arr)
// 循环过程 i=0; min=4; arr=3,19,90,9,89,21,5,77,10,22 i=1; min=6; arr=3,5,90,9,89,21,19,77,10,22 i=2; min=3; arr=3,5,9,90,89,21,19,77,10,22 i=3; min=8; arr=3,5,9,10,89,21,19,77,90,22 i=4; min=6; arr=3,5,9,10,19,21,89,77,90,22 i=5; min=5; arr=3,5,9,10,19,21,89,77,90,22 i=6; min=9; arr=3,5,9,10,19,21,22,77,90,89 i=7; min=7; arr=3,5,9,10,19,21,22,77,90,89 i=8; min=9; arr=3,5,9,10,19,21,22,77,89,90
最大间距
给定一个无序的数组，找出数组在排序之后，相邻元素之间最大的差值。 如果数组元素个数小于 2，则返回 0。 示例 1: 输入: [3,6,9,1] 输出: 3 解释: 排序后的数组是 [1,3,6,9], 其中相邻元素 (3,6) 和 (6,9) 之间都存在最大差值 3。 示例 2: 输入: [10] 输出: 0 解释: 数组元素个数小于 2，因此返回 0。 说明: 你可以假设数组中所有元素都是非负整数，且数值在 32 位有符号整数范围内。 请尝试在线性时间复杂度和空间复杂度的条件下解决此问题。
var maximumGap = function(nums) {
//if (nums.length < 2) {
//return 0;
// }
//nums.sort((a,b) => a-b)
//let max = 0;
//for(let i = 0; i< nums.length-1; i++) {
//max = nums[i+1]-nums[i]>max?nums[i+1]-nums[i]:max
//}
//return max;
if (nums.length < 2) {
return 0;
}
nums.sort((a,b) => a-b)
let max = 0,grap;
for(let i = 0; i< nums.length-1; i++) {
grap = nums[i+1]-nums[i]
max = grap>max?grap:max
}
return max;
};
// leetcode上的优解
/**
* @param {number[]} nums
* @return {number}
*/
var maximumGap = function (nums) {
if (nums.length < 2) return 0
let max = nums[0], min = nums[0]
for (let i = 1; i < nums.length; i++) {
max = Math.max(nums[i], max)
min = Math.min(nums[i], min)
}
let delta = (max - min) / (nums.length - 1)
let maxBucket = new Array(nums.length - 1).fill(Number.MIN_SAFE_INTEGER)
let minBucket = new Array(nums.length - 1).fill(Number.MAX_SAFE_INTEGER)
for (let i = 0; i < nums.length; i++) {
if (nums[i] == min || nums[i] == max) continue
let index = Math.floor((nums[i] - min) / delta)
maxBucket[index] = Math.max(maxBucket[index], nums[i])
minBucket[index] = Math.min(minBucket[index], nums[i])
}
let prev = min, maxGap = 0
for (let i = 0; i < minBucket.length; i++) {
if (minBucket[i] == Number.MAX_SAFE_INTEGER) continue
maxGap = Math.max(minBucket[i] - prev, maxGap)
prev = maxBucket[i]
}
maxGap = Math.max(max - prev, maxGap)
return maxGap
};
// 输入 [3,6,9,1]
// 最大值 9，最小值 1
// 最大桶 [-∞,-∞,-∞] 注意是反的，长度比原数组少1
// 最小桶 [+∞,+∞,+∞] 注意是反的，长度比原数组少1
// 平均桶间距 (9-1)/4 = 2
// 把值逐个放到桶 (nums[i]-最小值)/平均间距
// (3 - 1)/2 = 1 ，修改最小桶坐标1为3， [+∞,3,+∞]，同理最大桶 [-∞,3,-∞]
// (6 - 1)/2 = 2.5 = 2， 最小桶 [+∞,3,6] 最大桶 [-∞,3,6]
// 9 为最大值，跳过
// 1 为最小值，跳过
// 如果有落在同一个桶的则最大桶取最大值，最小桶取最小值，此例子中没有重复落入情况
// 从最小桶找到间隔最大的坐标 最小值=1，最小桶 [+∞,3,6]，最大桶[-∞,3,6] 最大值=9
// 即较大间隔有3段，1-3(最小桶)，3(最大桶)-6(最小桶)，6(最大桶)-9
// 间隔 2,3,3 取最大 3
按奇偶排序数组
给定一个非负整数数组 A，返回一个数组，在该数组中， A 的所有偶数元素之后跟着所有奇数元素。 你可以返回满足此条件的任何数组作为答案。 示例： 输入：[3,1,2,4] 输出：[2,4,3,1] 输出 [4,2,3,1]，[2,4,1,3] 和 [4,2,1,3] 也会被接受。 提示： 1 <= A.length <= 5000 0 <= A[i] <= 5000
var sortArrayByParity = function(A) {
let arr = []
for(let i = 0;i<A.length;i++) {
if(A[i]%2 == 0) {
arr.unshift(A[i])
} else {
arr.push(A[i])
}
}
return arr;
};
按奇偶排序数组II
给定一个非负整数数组 A， A 中一半整数是奇数，一半整数是偶数。 对数组进行排序，以便当 A[i] 为奇数时，i 也是奇数；当 A[i] 为偶数时， i 也是偶数。 你可以返回任何满足上述条件的数组作为答案。 示例： 输入：[4,2,5,7] 输出：[4,5,2,7] 解释：[4,7,2,5]，[2,5,4,7]，[2,7,4,5] 也会被接受。 提示： 2 <= A.length <= 20000 A.length % 2 == 0 0 <= A[i] <= 1000
思路：利用双指针，每次+2
var sortArrayByParityII = function(A) {
let i = 0;
let j = 1;
while (j < A.length && i < A.length) {
if (A[i] % 2 == 0) {
i += 2;
} else {
while (A[j] % 2 != 0 && j < A.length) {
j += 2;
}
if (j < A.length) {
let tmp = A[i]
A[i] = A[j]
A[j] = tmp
}
}
}
return A;
};
以上所述就是小编给大家介绍的《JavaScript数据结构与算法-Sort》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
- 算法与数据结构之递归算法
- Python 数据结构与算法 —— 初识算法
- js实现数据结构及算法之排序算法
- 数据结构和算法面试题系列—递归算法总结
- 数据结构和算法面试题系列—随机算法总结
- 数据结构与算法——常用排序算法及其Java实现
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
Stylin' with CSS
Wyke-Smith, Charles / 2012-10 / $ 50.84
In this completely revised edition of his bestselling Stylin' with CSS, veteran designer and programmer Charles Wyke-Smith guides you through a comprehensive overview of designing Web pages with CSS, ......一起来看看 《Stylin' with CSS》 这本书的介绍吧!
