关于前端:浅析常见的算法范式

35次阅读

共计 2922 个字符,预计需要花费 8 分钟才能阅读完成。

作者:Aral Roca

翻译:疯狂的技术宅

原文:https://dev.to/christinamcmah…

未经容许严禁转载

首先明确三个概念:

算法: 按步骤解决问题的过程。

范式: 思考问题的模式。

算法范式: 为问题构建高效解决方案的惯例办法。

本文探讨一些罕用的算法范式,例如

  • 分治算法
  • 动静布局
  • 贪心算法
  • 回溯算法

分治法

在排序算法中,合并和疾速排序这两种算法的共同点就是分而治之的算法。

分而治之 是一种常见的算法设计,它的思路是把问题合成为与原始问题类似的较小子问题。通常以递归形式解决子问题,并联合子问题的解决方案来解决原始问题。

分治法的逻辑能够分为三个步骤:

  1. 将原始问题划分为较小的子问题。
  2. 通过递归解决子问题,解决结束之后返回子问题的解决方案。
  3. 将子问题的解决方案合并为原始问题的解决方案。

分治法的例子:二叉搜寻

上面是用分治实现的二叉搜寻。

function binarySearchRecursive(array, value, low, high) {if (low <= high) {const mid = Math.floor((low + high) / 2);
        const element = array[mid];

        if (element < value) {return binarySearchRecursive(array, value, mid + 1, high);
        } else if (element > value) {return binarySearchRecursive(array, value, low, mid - 1);
        } else {return mid;}
    }
    return null;
}

export function binarySearch(array, value) {const sortedArray = quickSort(array);
    const low = 0;
    const high = sortedArray.length - 1;

    return binarySearchRecursive(array, value, low, high);
}

请留神,下面的 binarySearch 函数是供别人调用的,而 binarySearchRecursive 是实现分治法的中央。

动静规划法

动静布局 是一种优化技术,用于通过把简单问题合成为较小的子问题来解决。看上去很像是分治法,但动静布局不是把问题合成为独立的子问题而后再组合在一起,而是只把问题合成为 独立的 子问题。

算法逻辑分为三个步骤:

  1. 定义子问题。
  2. 反复解决子问题。
  3. 辨认并解决根本问题。

动静布局案例:最小硬币找零问题

这是一个名为为硬币找零问题的常见面试题。硬币找零问题是给定找零的金额,找出能够用多少特定数量的硬币来找零的形式。最小硬币找零问题只是找到应用给定面额的钱所需的起码硬币数量。例如,如果须要找零 3 毛 7 分,则能够应用 1 个 2 分,1 个 5 分,1 个 1 毛钱和 1 个 2 毛钱。

function minCoinChange(coins, amount) {const cache = [];
    const makeChange = (value) => {if (!value) {return [];
        }
        if (cache[value]) {return cache[value];
        }
        let min = [];
        let newMin;
        let newAmount;
        for (let i = 0; i < coins.length; i++) {const coin = coins[i];
            newAmount = value - coin;
            if (newAmount >= 0) {newMin = makeChange(newAmount);
            }
            if (newAmount >= 0 && 
            (newMin.length < min.length - 1 || !min.length) && (newMin.length || !newAmount)) {min = [coin].concat(newMin);
            }
        }
        return (cache[value] = min);
    }
    return makeChange(amount);
}

在下面的代码中,参数 coins 示意面额(在人民币中为 [1, 2, 5, 10, 20, 50])。为了避免反复计算,用到了一个 cachemakeChange 函数是递归实现的,它是一个外部函数,能够拜访 cache

console.log(minCoinChange([1, 2, 5 10, 20], 37)); // => [2, 5, 10, 20]
console.log(minCoinChange([1, 3, 4], 6)) // => [3, 3]

贪婪算法

贪婪算法 与以后的最优解决方案相干,并试图找到一个全局的最佳计划。与动静布局不同,它不思考全局。贪婪算法偏向于简略直观,但可能不是整体最优的解决方案。

贪婪算法案例:最小硬币找零问题

下面用动静布局解决的硬币问题也能够用贪婪算法解决。这个解决方案的是否能失去最优解取决于所采纳的面额。

function minCoinChange(coins, amount) {const change = [];
    let total = 0;
    for (let i = coins.length; i>= 0; i--) {const coin = coins[i];
        while (total + coin <= amount) {change.push(coin);
            total += coin;
        }
    }
    return change;
}

能够看到,贪婪算法比动静布局的计划要简略得多。上面看一下同样的求解案例,来理解两者之间的区别:

console.log(minCoinChange([1, 2, 5 10, 20], 37)); // => [2, 5, 10, 20]
console.log(minCoinChange([1, 3, 4], 6)) // => [4, 1, 1] 

贪婪算法给出了第一个问题的最优解,但第二个并不是最优解(应该是 [3,3])。

贪婪算法比动静布局算法要简略而且更快,然而失去的有可能不是最优解。

回溯算法

回溯算法 非常适合逐渐查找和构建解决方案。

  1. 尝试以一种形式解决问题。
  2. 如果它不起作用,就回溯并反复步骤 1,直到找到适合的解决方案为止。

对于回溯算法,我会另写一篇文章来介绍更简单的算法。到底写什么我还没想好,兴许是写一个对数独求解的程序,如果你对这个感兴趣,请关注我的公众号!

算法是永无止境的,心愿本文能帮你理解一些常见的算法范式。


本文首发微信公众号:前端先锋

欢送扫描二维码关注公众号,每天都给你推送陈腐的前端技术文章

欢送持续浏览本专栏其它高赞文章:

  • 深刻了解 Shadow DOM v1
  • 一步步教你用 WebVR 实现虚拟现实游戏
  • 13 个帮你进步开发效率的古代 CSS 框架
  • 疾速上手 BootstrapVue
  • JavaScript 引擎是如何工作的?从调用栈到 Promise 你须要晓得的所有
  • WebSocket 实战:在 Node 和 React 之间进行实时通信
  • 对于 Git 的 20 个面试题
  • 深刻解析 Node.js 的 console.log
  • Node.js 到底是什么?
  • 30 分钟用 Node.js 构建一个 API 服务器
  • Javascript 的对象拷贝
  • 程序员 30 岁前月薪达不到 30K,该何去何从
  • 14 个最好的 JavaScript 数据可视化库
  • 8 个给前端的顶级 VS Code 扩大插件
  • Node.js 多线程齐全指南
  • 把 HTML 转成 PDF 的 4 个计划及实现

  • 更多文章 …

正文完
 0