SpringRolls的博客

斐波那契数指的是这样一个数列：0、1、1、2、3、5、8、13、21、……　用数学公式表示为：简单的来说就是 后一项是前两项之和。方法一：递归时间复杂度：O(n^2)，空间复杂度：O(n)// 递归法function Fibonacci(n) { if (n < 2) { return n; } else { return Fibonacci(n - 1) + Fibonacci(n - 2); }}由.

给定一个二叉树和一个值\ sumsum，判断是否有从根节点到叶子节点的节点值之和等于\ sumsum的路径，例如：给出如下的二叉树，sum=22返回true，因为存在一条路径5→4→11→2 的节点值之和为 22。思路分成三种情况，（1）节点不存在，返回false（2）节点只有一个的时候，判定是否左子和右子均为空，且sum值等于该节点值（3）递归的具体操作，递归左子和右子，同时更新sum的值，且结果为或的关系var hasPathSum = function (root, s...

最大深度是指树的根结点到最远叶子结点的最长路径上结点的数量。树的深度 = 左子树的深度和右子树深度中最大者 + 1function TreeDepth(pRoot) { //树的深度=左子树的深度和右子树深度中最大者+1 if (pRoot === null) return 0; var leftDep = TreeDepth(pRoot.left); var rightDep = TreeDepth(pRoot.right); return

树的中序遍历（非递归）思路：先将p入栈，遍历左子树；遍历完左子树返回时，栈顶元素应为p，出栈，访问p.val，再中序遍历p的右子树。

方法一：双指针假设两个链表公共长度为C,不公共的长度分别为A、B。则两个链表长度分别为A+C，B+C。设两个指针，让第一个链表走完之后，跳到第二个链表开始走，共A+C+X1距离；同理第二个链表走完后调到第一个链表开始走，走B+C+X2距离。那么两个指针相遇时，由 A+C+X1 = B+C+X2，距离不为负，得X1=B，X2=A，所以最后两个指针走的距离都是A+B+C，刚好在第一个公共点相遇。复杂度分析时间复杂度 : O(m+n)空间复杂度 : O(1)//双指针var ge..

思路：1）首先判断是否有环,有环时，返回相遇的节点，无环，返回null2）有环的情况下， 求链表的入环节点 fast再次从头出发，每次走一步， slow从相遇点出发，每次走一步， 再次相遇即为环入口点。证明：快指针与慢指针均从X出发，在Z相遇。此时，慢指针行使距离为a+b，快指针为a+b+n(b+c）。所以2*(a+b)=a+b+n*(b+c),推出a=(n-1)*b+n*c=(n-1)(b+c)+c;得到，将此时两指针分别放在起始位置和相遇位置，...

思路：快慢指针用一快一慢指针，开始两个指针都指向链表头部。慢指针每次向前走一步，快指针每次向前走两步。如果有环，则两个指针最终一定会相遇。这种方法无须额外的空间。//给定一个链表，判断链表中是否有环。var hasCycle = function(head) { if(!head || !head.next) return false let slow = head let fast = head.next while(slow != fas

方法一：利用数组（栈）遍历链表，用数组把数据存下来，然后再进行一次遍历，同时用数组反向地与之比较，这样就可以判断是否回文。这个方法时间复杂度是O(n)pop() 移除数组的最后一项，返回移除的项 shift() 移除数组的第一项，返回移除项var isPalindrome = function (head) { let nums = []; while (head) { nums.push(head.val); head = head.ne...

第一种方法是先循环一遍链表确定结点个数n，则倒数第k个结点就是就是正数的第n+1-k个，然后在遍历一次链表就可以找到指定结点了，但显然需要遍历两遍链表。第二种方法可以使用两个指针，第一个指针先走k-1步，然后第二个指针开始走。当第一个指针移动到最后时，第二个指针正好指向倒数第k个结点，只需要遍历一遍链表，显然更高效。...

对于一个链表，我们需要用一个特定阈值完成对它的分化，使得小于等于这个值的结点移到前面，大于该值的结点在后面，同时保证两类结点内部的位置关系不变。思路：采用双指针思想，维护node1指针作为前面的插入指针，node2作为后面的删除指针。此时分为两种情况：若链表首节点值大于或等于给定值，首先找到其后第一个小于给定值的节点删除并插入到 node2 之前作为头节点，并令 node1 指向它，然后将 node2 指向原删除节点的下一个节点 若链表首节点值小于给定值，那么首先找到从左往右第一个大于或等于给

//给定单向链表的头指针和一个要删除的节点的值，定义一个函数删除该节点。//返回删除后的链表的头节点。

未排序链表去重 O（n^2）思路：第一重循环从链表的头节点开始，枚举一个保留的节点，这是因为我们保留的是「最开始出现的节点」。第二重循环是枚举「最开始出现的节点」的下一个结点，到链表的末尾结束，将所有与保留节点相同的节点全部移除。//移除未排序链表中的重复节点。保留最开始出现的节点。（两层循环）//输入：[1, 2, 3, 3, 2, 1]//输出：[1, 2, 3]var removeDuplicateNodes = function (head) { var slow =

现在有一个单向链表如下图所示：反转后如下所示：/** * Definition for singly-linked list. * function ListNode(val) { * this.val = val; * this.next = null; * } *//** * @param {ListNode} head * @return {ListNode} */var reverseList = function(head) { //le

方法1：普通版，利用indexOf去重新建一个数组，遍历去要重的数组，当值不在新数组的时候（indexOf为-1）就加入该新数组中。indexOf() 方法：返回某个指定的字符串值在字符串中首次出现的位置。如果要检索的字符串值没有出现，则该方法返回 -1。//方法1：普通版，利用indexOf去重function arrayUnique(arr){ var len = arr.length; var res = []; for(var i = 0; i < len

数组随机排序（shuffle）方法1：时间复杂度 O(n^2)// 方法2：随机抽取法, 时间复杂度 O(n^2)function randomSortArray(arr) { let backArr = []; while (arr.length) { //Math.random()：返回 [0,1) 之间的一个随机数 let index = parseInt(Math.random() * arr.length); // 利用数组长度生成随机

11

二分查找（折半查找），是一种在有序数组中查找特定元素的搜索算法。查找过程可以分为以下步骤：（1）首先，从有序数组的中间的元素开始搜索，如果该元素正好是目标元素（即要查找的元素），则搜索过程结束，否则进行下一步。（2）如果目标元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半区域查找，然后重复第一步的操作。（3）如果某一步数组为空，则表示找不到目标元素。非递归算法：// 非递归算法function binary_search1(nums, target) { var

一、冒泡排序算法描述如下: 1.比较相邻的两个元素，如果前一个比后一个大，则交换位置。2.第一轮的时候最后一个元素应该是最大的一个。3.按照步骤一的方法进行相邻两个元素的比较，这个时候由于最后一个元素已经是最大的了，所以最后一个元素不用比较。算法实现:/*** @Author spring* @DateTime 2020-10-29* @param {arr} 待数组* @return {arr} 排好序的数组* @description 这是一个冒泡排序算..

单源最短路径SSSP算法中使用了 松弛（relaxation）操作，即更新两点的最短路径形象的理解：原来用一根橡皮筋连接a、b两点，现在有一点v到b的距离更短，则用v点替换橡皮筋的a点，使得v、b连接在一起。这样缓解橡皮筋紧绷的压力，使其变得松弛，即松弛操作。我们规定每个节点都有一个 dist 值，dist[v] 值记录的是从源点可达的顶点v的最短距离，每个节点也都有一个p指针指向...

Bellman-Ford算法和Dijkstra算法都是求解图的最短路径的算法。Bellman是求单源点到各个顶点的最短路径，适用条件为有向或无向图，权重可为负值。当存在负权环路时，算法返回一个false值。该算法效率比较低，需要对边进行 |V|- 1 次松弛操作Bellman-Ford算法寻找单源最短路径的时间复杂度为O(V*E)。（V为给定图的顶点集合，E为给定图的边集合）两者区别在于：...

所谓单源，即求从一个点出发，到其他各点的最短路径，也就是说 ：如果这个图有n个点，我们要求n-1个路径。算法概述Dijkstra算法使用了广度优先搜索（BFS）解决赋权有向图或者无向图的单源最短路径问题，算法最终得到一个最短路径树。该算法常用于路由算法或者作为其他图算法的一个子模块。该算法的时间复杂度是n的平方，可以使用堆优化。但是，要注意一点，Dijkstra算法只能适...

并查集是一种树型的数据结构，用于处理一些不相交集合(Disjoint Sets)的合并及查询问题。它的功能主要有：1、找到某个节点的头节点2、查询两个节点是否在同一个集合里3、合并两个集合具体算法为：在给定的一个集合中，所有的节点都指向第一个节点，而第一个节点指向自身，查询是否位于同一集合，我们直接查询节点的父节点是否为同一个节点（该节点指向自身），合并两个集合时，我们将集合的父节...

Prim算法普里姆(Prim)算法，是用来求加权连通图的最小生成树的算法。基本思想 ： 对于图G而言，V是所有顶点的集合；现在，设置两个新的集合U和T，其中U用于存放G的最小生成树中的顶点，T存放G的最小生成树中的边。 从所有uЄU，vЄ(V-U) (V-U表示出去U的所有顶点)的边中选取权值最小的边(u, v)，将顶点v加入集合U中，将边(u, v)加入集合T中，如此不...

最小生成树 在含有n个顶点的连通图中选择n-1条边，构成一棵极小连通子图，并使该连通子图中n-1条边上权值之和达到最小，则称其为连通网的最小生成树。example：例如，对于如上图G4所示的连通网可以有多棵权值总和不相同的生成树。克鲁斯卡尔(Kruskal)算法克鲁斯卡尔(Kruskal)算法，是用来求加权连通图的最小生成树的算法，基于连续的按照最小边...

强连通分量强连通分量只可能存在于有向图中，无向图中是不存在强连通分量的。下图很形象地指出了图中所包含的强连通分量。上图中存在5个强连通分量（阴影部分）。拓扑排序定义：给定一副有向图，将所有的顶点排序，使得所有的有向边均从排在前面的元素指向排在后面的元素。如下图所示，左边是一个有向无环图，箭头方向代表了其执行方向，也就是边的方向。右边是通过计算得到的拓扑排序，其实从图中...

以下概念为有向图中的定义：强连通： 在一个有向图G里，如果有两个点（a、b）可以相互到达，我们就叫这两个顶点（a，b）为强连通。强连通图： 如果在一个有向图G中，每两个点都强连通（可以相互到达），我们就叫这个图为强连通图。强连通分量（SCC）：在一个有向图G中，有一个子图，这个子图每2个点都满足强连通，我们就叫这个子图叫做 强连通分量，孤立的点也是一个强连通分量。例：下图中，子...

  快速排序（QuickSort）是对冒泡排序（BubbleSort）的一种改进。排序效率在同为O(N*logN)的几种排序方法中效率较高，且快速排序算法是 分治策略的典型应用。时间复杂度：O(N*logN)。版本一：算法的关键部分是Partition过程，它实现了对子数组 A[p...r] 的原址重排。/** * 快速排序一，算法导论P95 * @author Ad...