算法&数据结构心得

• 对比链表和数组，数组的查找速度比链表快，这是为什么呢？结合计算机组成原理的知识，我的推测是：用index查找数组中的项目时，CPU首先读取数组的地址到寄存器，再加上index乘以系数可直接得到项目的地址，只需要读一次内存；而查找链表中的项目时index有多大，就要读内存多少次。
• 哈希表的大小往往是质数，因为哈希函数返回值都需要除以哈希表的size求余数，如果size不是质数的话返回值很容易重合
• 检验一个整数是否质数：试除所有不大于自身的平方根的质数
• 求一定范围内的质数可以用筛除法
• 尾递归可优化递归，使之不易爆栈，它是这种形式let re = (n,r) => re(n-1, r* n); re(6,1)，也就是上一轮的计算结果作为参数直接传参给下一轮。形成return -> return -> return的行为，语法含义很像一个for循环。
• 树形结构有一个很重要的优点就是抽象能力，比如二叉搜索树：可以把curNode的left节点上所有的枝叶抽象成"一堆比curNode小的Node",也可以把某节点左侧(上游+下游)节点全部抽象为比该节点小的Node.
• 现有无序的let arr: number[]，要把它重构为二叉树，做法是：先排序，拿到arr[Math.floor(arr.length/2)]作为根节点，比它小的放left，大的放right，递归之。
• 平衡二叉树可以抽象为以下步骤：1 旋转外围节点来切换根节点 2 出现子三叉树，转化为二叉树; 无论如何旋转外层节点(切换根节点),原根节点都不会出现三叉，而其他节点很可能出现三叉
• 插入排序一般有两层循环：外循环(i)从左往右遍历数组，内层循环以i-1为起点从右往左遍历数组，在找到插入的位置之前，每次内层循环都把当前component向右复制一位，找到位置则插入，结束本次外层循环。
• 分治法的原理：把n规模的问题分解成多个(几个?)更小规模(多小？)的问题，一直到规模足够小，得出每个分支的结果，再合并。
• O(g(n)) is a Set of function like {f(n) | exist constant [c,m] that f(n) $lt or equal cg(n) for all number $gt m}
• omega 与 O相反，theta 是 O 和 omega 的交集
• 小o和omega相当于大O和Omega集合定义中把equal去掉，m由exist变为for all
• 快速排序的原理与二叉查找树相同，如果输入是已排序的，unlucky，所以引入随机pivot。
• 算法运行时间对应于决策树路径的深度，决策树的叶节点数量为n!,指数级。基于比较的排序至少O(nlgn)的原因是，对应的决策树高度至少是O(nlgn)
• counting sort 先确定排序数组中元素的范围，比如1-k，声明一个length为k的数组，存储1-k中每个数字出现的次数，以此为基础，遍历arr，并对1-k数组进行对应的操作。复杂度为O(k+n)，因此在k很小的时候它是非常高效的。
• 好的排序算法应具有稳定性: 排序过程中已经有序的部分不会又变得无序再排序。这显然是浪费。
• radix sort：设一个int有b个digits，r是digits步长，也就是说在2^r进制下有b/r位，然后从低位开始遍历每位，用该位的数字进行countingSort，时间复杂度为O(b/r(n+2^r))。关于r的选取，应保证n>=2^r
• B-树：为了减少硬盘IO次数将二叉树层数压缩: 1 一个节点内有多个元素 2 一个节点有较多children; 在改动时应该会遵循这样的原则: 1 自平衡 2 尽量制造少元素的节点(方便之后的元素直接插入节点)
• 问题：如何判断链表有环，如果有环，找出入环节点——两个指针同时从起点起步，一个slow一个fast，每轮循环slow走一步，fast走两步（为何是两步？设计，使得s=nr，不变的是相遇时fast走了2s,slow走了s），如果有环，入环后它们一定会相遇，因为它们的相对速度是一步。接下来找出入环节点：设相遇时slow走了s步，fast走了2s步，并在环内已经跑了n圈，环长r步，则有2s = s + nr，得出s = nr(关键！设计2倍速导致)，fast比slow多走了整n圈，这时slow走的步数是nr,设起点到入环节点的步数为a, slow再走a 步会到达入环节点，即nr + a, 于是 nr + a = a + nr, 这里的a + nr是先入环再走n圈的步数， 所以把另一节点从起点出发与slow同时启动，步长为1，相遇时就是入环节点
• 关于动态规划，有一个我认为的要点，那就是决策树逆转，顺着时间可以生成决策树，逆着来也可以。
• 递归和动态规划的数学基础是数学归纳法
• 双指针使用场景：链表、排序过的数组和链表
• 可以考虑先写出暴力法，再优化
• while 循环的条件范围要尽量的小，能用> <就不用 !==，避免死循环
• 回溯算法：针对的问题(例如全排列)一般有这样的特征：树形遍历到末端得出一部分答案，上层到下层一般会传递参数，如果这些参数是引用类型或有一定的结构，可能会造成很大的空间复杂度(也间接加大了时间复杂度)，此时引入回溯的概念，上层到下层的一部分传参被提升到全局，如同stack-栈，进入下层时参数被修改，return到上层时又撤回修改，因此代码在此处往往出现对称性，建议画出树形图，从深度广度两方面分析