经典算法题
数组扁平化
通过递归来实现,当元素为数组时递归调用,兼容性好。
jsfunction flattenArray(array) { if (!Array.isArray(array)) return let result = [] result = array.reduce(function (pre, item) { // 判断元素是否为数组,如果为数组则递归调用,如果不是则加入结果数组中 return pre.concat(Array.isArray(item) ? flattenArray(item) : item) }, []) return result } console.log(flattenArray([1, 2, [3, 4, [5, 6]]])); // => [1, 2, 3, 4, 5, 6]
利用
toString()
方法,缺点是改变了元素的类型,只适合于数组中元素都是整数的情况。jsfunction flattenArray(array) { return array .toString() .split(',') .map(function (item) { return +item; }); } console.log(flattenArray([1, 2, [3, 4, [5, 6]]])); // => [1, 2, 3, 4, 5, 6]
数组去重
function unique(array) {
if (!Array.isArray(array) || array.length <= 1) return;
var result = [];
array.forEach(function (item) {
if (result.indexOf(item) === -1) {
result.push(item);
}
});
return result;
}
// ES6
function unique(array) {
if (!Array.isArray(array) || array.length <= 1) return;
return [...new Set(array)];
}
console.log(unique([1, 1, 1, 2, 3, 3, 4, 5])) // => [1, 2, 3, 4, 5]
求数组的最大值和最小值
const arr = [6, 4, 1, 8, 2, 11, 23];
console.log(Math.max.apply(null, arr));
console.log(Math.min.apply(null, arr));
求两个数的最大公约数
- 基本思想是采用辗转相除的方法,用大的数去除以小的那个数,
- 然后再用小的数去除以的得到的余数,一直这样递归下去,直到余数为 0 时,
- 最后的被除数就是两个数的最大公约数。
function getMaxCommonDivisor(a, b) {
if (b === 0) return a;
return getMaxCommonDivisor(b, a % b);
}
console.log(getMaxCommonDivisor(12, 8)); // 4
console.log(getMaxCommonDivisor(12, 16)); // 4
求两个数的最小公倍数
在 JavaScript 中,可以通过分解质因数并计算两数的最大公约数(GCD)的方式来求两个数的最小公倍数(LCM)。最小公倍数可以通过以下公式计算:
LCM(a, b) = |a * b| / GCD(a, b)
其中 |a * b|
表示 a
和 b
的乘积的绝对值,GCD(a, b)
表示 a
和 b
的最大公约数。
以下是使用欧几里得算法计算最大公约数进而求最小公倍数的 JavaScript 实现:
// 计算最大公约数(gcd)
function gcd(a, b) {
if (b === 0) {
return a;
} else {
return gcd(b, a % b);
}
}
// 计算最小公倍数(lcm)
function lcm(a, b) {
return Math.abs(a * b) / gcd(a, b);
}
// 测试
console.log(lcm(4, 6)); // 输出:12
实现 IndexOf 方法
function IndexOf(array, val) {
if (!Array.isArray(array)) return;
let length = array.length;
for (let i = 0; i < length; i++) {
if (array[i] === val) {
return i;
}
}
return -1;
}
console.log(IndexOf([1, 2, 3, 4, 5], 3)); // 2
判断一个字符串是否为回文字符串
“回文字符串”是一个正读和反读都一样的字符串。
function isPalindrome(str) {
let reg = /[\W_]/g, // 匹配所有非单词的字符以及下划线
newStr = str.replace(reg, '').toLowerCase(), // 替换为空字符并将大写字母转换为小写
reverseStr = newStr.split('').reverse().join(''); // 将字符串反转
return reverseStr === newStr;
}
实现一个累加函数的功能
例如:sum(1,2,3)(2).valueOf()
function sum(...args) {
let result = 0;
result = args.reduce(function (pre, item) {
return pre + item;
}, 0);
let add = function (...args) {
result = args.reduce(function (pre, item) {
return pre + item;
}, result);
return add;
};
add.valueOf = function () {
console.log(result);
};
return add;
}
如何查找一篇英文文章中出现频率最高的单词
function findMostWord(article) {
// 合法性判断
if (!article) return;
// 参数处理
article = article.trim().toLowerCase();
let wordList = article.match(/[a-z]+/g),
visited = [],
maxNum = 0,
maxWord = '';
article = ' ' + wordList.join(' ') + ' ';
// 遍历判断单词出现次数
wordList.forEach(function (item) {
if (visited.indexOf(item) < 0) {
let word = new RegExp(' ' + item + ' ', 'g'),
num = article.match(word).length;
if (num > maxNum) {
maxNum = num;
maxWord = item;
}
}
});
return maxWord + ' ' + maxNum;
}
二维数组中的查找
在一个二维数组中,每一行都按照从左到右递增的顺序排序,每一列都按照从上到下递增的顺序排序。请完成一个函数,输入这样的一个二维数组和一个整数,判断数组中是否含有该整数。
思路:
- 第一种方式是使用两层循环依次遍历,判断是否含有该整数。这一种方式最坏情况下的时间复杂度为 O(n^2)。
- 第二种方式是利用递增序列的特点,我们可以从二维数组的右上角开始遍历。如果当前数值比所求的数要小,则将位置向下移动,再进行判断。如果当前数值比所求的数要大,则将位置向左移动,再进行判断。这一种方式最坏情况下的时间复杂度为 O(n)。
代码实现:
// 基于第二种方式,从右上角开始遍历二维数组,并根据比较结果动态调整行或列的位置,直到找到目标值或者遍历完数组。
function searchInSortedMatrix(matrix, target) {
if (!matrix.length || !matrix[0].length) {
return false;
}
let row = 0;
let col = matrix[0].length - 1;
while (row < matrix.length && col >= 0) {
const current = matrix[row][col];
if (current === target) {
return true;
} else if (current > target) {
// 如果当前数值比目标值大,说明目标值可能在当前列的上一行
col--;
} else {
// 如果当前数值比目标值小,说明目标值可能在当前行的下一行
row++;
}
}
return false;
}
// 示例
const matrix = [
[1, 3, 5, 7],
[10, 11, 16, 20],
[23, 30, 34, 50]
];
console.log(searchInSortedMatrix(matrix, 3)); // 输出:true
console.log(searchInSortedMatrix(matrix, 13)); // 输出:false
斐波那契数列
大家都知道斐波那契数列,现在要求输入一个整数 n(n <= 39),请你输出斐波那契数列的第 n 项。
思路:
斐波那契数列的规律是,第一项为 0,第二项为 1,第三项以后的值都等于前面两项的和,因此我们可以通过循环的方式,不断通过叠加来实现第 n 项值的构建。
通过循环而不是递归的方式来实现,时间复杂度降为了 O(n),空间复杂度为 O(1)。
代码实现:
function fibonacci(n) {
if (n <= 0) {
return "Invalid input. The number should be greater than 0.";
} else if (n === 1) {
return 0;
} else if (n === 2) {
return 1;
} else {
let prevPrev = 0;
let prev = 1;
for (let i = 3; i <= n; i++) {
let current = prevPrev + prev;
prevPrev = prev;
prev = current;
}
return prev;
}
}
// 示例
console.log(fibonacci(1)); // 输出:0
console.log(fibonacci(2)); // 输出:1
console.log(fibonacci(10)); // 输出:55
console.log(fibonacci(39)); // 输出:63245986
跳台阶
一只青蛙一次可以跳上 1 级台阶,也可以跳上 2 级。求该青蛙跳上一个 n 级的台阶总共有多少种跳法。
思路:
跳台阶的问题是一个动态规划的问题,由于一次只能够跳 1 级或者 2 级,因此跳上 n 级台阶一共有两种方案,一种是从 n-1 跳上,一种是从 n-2 级跳上,因此 f(n) = f(n-1) + f(n-2)。
和斐波那契数列类似,不过初始两项的值变为了 1 和 2,后面每项的值等于前面两项的和。
代码实现:
function jumpStairs(n) {
if (n <= 0) {
return 0;
} else if (n === 1) {
return 1; // 只有一级台阶时,只有 1 种跳法
} else if (n === 2) {
return 2; // 有两级台阶时,有 2 种跳法(一步一级或一步两级)
} else {
let dp = [1, 2]; // 初始化前两项
for (let i = 3; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2]; // 动态规划公式:f(n) = f(n-1) + f(n-2)
}
return dp[n];
}
}
console.log(jumpStairs(4)); // 输出:4
console.log(jumpStairs(5)); // 输出:7
console.log(jumpStairs(6)); // 输出:13
动态规划
爬楼梯问题:有一座高度是 10 级台阶的楼梯,从下往上走,每跨一步只能向上 1 级或者 2 级台阶。要求用程序来求出一共有多少种走法?
递归方法分析
由分析可知,假设我们只差最后一步就能走上第 10 级阶梯,这个时候一共有两种情况,因为每一步只允许走 1 级或 2 级阶梯,因此分别为从 8 级阶梯和从 9 九级阶梯走上去的情况。因此从 0 到 10 级阶梯的走法数量就等于从 0 到 9 级阶梯的走法数量加上从 0 到 8 级阶梯的走法数量。依次类推,我们可以得到一个递归关系,递归结束的标志为从 0 到 1 级阶梯的走法数量和从 0 到 2 级阶梯的走法数量。
代码实现:
function getClimbingWays(n) {
if (n < 1) {
return 0;
}
if (n === 1) {
return 1;
}
if (n === 2) {
return 2;
}
return getClimbingWays(n - 1) + getClimbingWays(n - 2);
}
使用这种方法时整个的递归过程是一个二叉树的结构,因此该方法的时间复杂度可以近似的看为 O(2^n),空间复杂度为递归的深度 O(logn)。
备忘录方法
分析递归的方法我们可以发现,其实有很多的计算过程其实是重复的,因此我们可以使用一个数组,将已经计算出的值给保存下来,每次计算时,先判断计算结果是否已经存在,如果已经存在就直接使用。
代码实现:
let map = new Map();
function getClimbingWays(n) {
if (n < 1) {
return 0;
}
if (n === 1) {
return 1;
}
if (n === 2) {
return 2;
}
if (map.has(n)) {
return map.get(n);
} else {
let value = getClimbingWays(n - 1) + getClimbingWays(n - 2);
map.set(n, value);
return value;
}
}
getClimbingWays(10) // => 89
通过这种方式,我们将算法的时间复杂度降低为 O(n),但是增加空间复杂度为 O(n)。
迭代法
通过观察,我们可以发现每一个值其实都等于它的前面两个值的和,因此我们可以使用自底向上的方式来实现。
代码实现:
function getClimbingWays(n) {
if (n < 1) {
return 0;
}
if (n === 1) {
return 1;
}
if (n === 2) {
return 2;
}
let a = 1,
b = 2,
temp = 0;
for (let i = 3; i <= n; i++) {
temp = a + b;
a = b;
b = temp;
}
return temp;
}
getClimbingWays(10) // => 89
通过这种方式我们可以将算法的时间复杂度降低为 O(n),并且将算法的空间复杂度降低为 O(1)。
最小的 K 个数
输入 n 个整数,找出其中最小的 K 个数。例如输入 4,5,1,6,2,7,3,8 这 8 个数字,则最小的 4 个数字是 1,2,3,4。
思路:
- 第一种思路是首先将数组排序,排序后再取最小的 k 个数。这一种方法的时间复杂度取决于我们选择的排序算法的时间复杂度,最好的情况下为 O(nlogn)。
function findKSmallestNumbers(nums, k) {
nums.sort((a, b) => a - b)
return nums.slice(0, k)
}
const nums = [4, 5, 1, 6, 2, 7, 3, 8]
const k = 4
console.log(findKSmallestNumbers(nums, k)) // 输出:[1, 2, 3, 4]
- 第二种思路是由于我们只需要获得最小的 k 个数,这 k 个数不一定是按序排序的。因此我们可以使用快速排序中的 partition 函数来实现。每一次选择一个枢纽值,将数组分为比枢纽值大和比枢纽值小的两个部分,判断枢纽值的位置,如果该枢纽值的位置为 k-1 的话,那么枢纽值和它前面的所有数字就是最小的 k 个数。如果枢纽值的位置小于 k-1 的话,假设枢纽值的位置为 n-1,那么我们已经找到了前 n 小的数字了,我们就还需要到后半部分去寻找后半部分 k-n 小的值,进行划分。当该枢纽值的位置比 k-1 大时,说明最小的 k 个值还在左半部分,我们需要继续对左半部分进行划分。这一种方法的平均时间复杂度为 O(n)。
function quickSelect(nums, k) {
function partition(nums, left, right, pivotIndex) {
const pivotValue = nums[pivotIndex]
;[nums[pivotIndex], nums[right]] = [nums[right], nums[pivotIndex]]
let storeIndex = left
for (let i = left; i < right; i++) {
if (nums[i] < pivotValue) {
;[nums[storeIndex], nums[i]] = [nums[i], nums[storeIndex]]
storeIndex++
}
}
;[nums[right], nums[storeIndex]] = [nums[storeIndex], nums[right]]
return storeIndex
}
function select(nums, left, right, k) {
if (left === right) return nums[left]
const pivotIndex = Math.floor(Math.random() * (right - left + 1)) + left
const newPivotIndex = partition(nums, left, right, pivotIndex)
if (newPivotIndex === k - 1) {
return nums[newPivotIndex]
}
if (newPivotIndex < k - 1) {
return select(nums, newPivotIndex + 1, right, k)
}
return select(nums, left, newPivotIndex - 1, k)
}
const sortedNums = [...nums]
const kthSmallest = select(sortedNums, 0, nums.length - 1, k - 1)
// 获取 k 个最小数
const kSmallestNums = []
for (let i = 0; i < nums.length; i++) {
if (nums[i] <= kthSmallest) {
kSmallestNums.push(nums[i])
if (kSmallestNums.length === k) break
}
}
return kSmallestNums
}
const nums = [4, 5, 1, 6, 2, 7, 3, 8]
const k = 4
console.log(quickSelect(nums, k)) // 输出:[1, 2, 3, 4]
- 第三种方法是维护一个容量为 k 的最大堆。对数组进行遍历时,如果堆的容量还没有达到 k,则直接将元素加入到堆中,这就相当于我们假设前 k 个数就是最小的 k 个数。对 k 以后的元素遍历时,我们将该元素与堆的最大值进行比较,如果比最大值小,那么我们则将最大值与其交换,然后调整堆。如果大于等于堆的最大值,则继续向后遍历,直到数组遍历完成。这一种方法的平均时间复杂度为 O(nlogk)。
function findKSmallestNumbersWithMaxHeap(nums, k) {
nums.sort((a, b) => b - a) // 先将数组逆序,方便模拟最大堆
const result = []
for (let i = 0; i < nums.length && result.length < k; i++) {
if (result.length === 0 || nums[i] <= result[0]) {
result.unshift(nums[i]) // 添加到堆顶
result.sort((a, b) => b - a) // 重新调整堆顶元素为最大值
}
}
return result
}
const nums = [4, 5, 1, 6, 2, 7, 3, 8]
const k = 4
console.log(findKSmallestNumbersWithMaxHeap(nums, k)) // 输出:[1, 2, 3, 4]