前端算法之堆 -- 计数排序

2024-01-06 03:44

本文主要是介绍前端算法之堆 -- 计数排序,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  • 堆用于解决什么问题
    • 堆排序(Heap Sort):
    • 优先队列(Priority Queue):
    • 图算法中的最短路径和最小生成树问题:
    • 中位数查找:
    • 合并K个有序数组:
  • 例子:库存管理 III On时间复杂度
    • 原生API
    • 使用堆 : 计数排序 – 拿空间换时间
  • 扩展1:JavaScript slice 方法
  • 扩展2:计数排序

堆可以分为 最小堆最大堆 两种类型。

在最小堆中,每个父节点的值都要小于或等于其子节点的值,也就是说,根节点是整个堆中的最小值。

而在最大堆中,每个父节点的值都要大于或等于其子节点的值,也就是说,根节点是整个堆中的最大值。

下面举例说明堆的概念:

最小堆:

假设我们有一个包含以下元素的最小堆:[5, 7, 10, 12, 15, 17, 20]

它的二叉树表示如下:

         5/   \7      10/  \    /  \12   15  17  20

在最小堆中,根节点的值5是整个堆中的最小值。并且,每个父节点的值都小于或等于其子节点的值。

最大堆:

假设我们有一个包含以下元素的最大堆:[30, 25, 20, 15, 10, 5]

它的二叉树表示如下:

        30/   \25      20/   \    /15    10  5

在最大堆中,根节点的值30是整个堆中的最大值。并且,每个父节点的值都大于或等于其子节点的值。

堆可以应用于许多算法和数据结构,例如堆排序、优先队列等。

更多详细内容,请微信搜索“前端爱好者戳我 查看

堆用于解决什么问题

堆(Heap)数据结构可以用于解决以下问题:

堆排序(Heap Sort):

通过使用堆进行排序,可以将一个无序数组转换为有序数组。堆排序的时间复杂度为O(nlogn),是一种高效的排序算法。

优先队列(Priority Queue):

优先队列是一种特殊的队列,每个元素都有与之关联的优先级。堆可以实现优先队列的基本操作,如插入元素、删除具有最高优先级的元素等。常见的应用包括任务调度、事件处理等。

图算法中的最短路径和最小生成树问题:

在一些图算法中,如Dijkstra算法和Prim算法,需要找到最短路径或最小生成树。

堆可以用来维护待处理节点集合,并在每次选择下一个节点时选择具有最小权重的节点。

中位数查找:

在一系列数字中找到中位数是一种常见的问题。使用堆,可以高效地找到中位数,其中最小堆和最大堆可以分别存储较大和较小的一半数字。

合并K个有序数组:

当需要合并多个有序数组时,可以使用堆来提高效率。通过将每个数组的最小元素放入堆中,然后每次弹出堆顶元素进行合并,可以在时间复杂度为O(nlogk)的情况下完成合并操作。

这些只是堆应用的一些例子,堆还可以用于解决其他许多问题,特别是那些需要高效地查找最小或最大元素的场景。

例子:库存管理 III O(n)时间复杂度

原生API

leetcode链接 :https://leetcode.cn/problems/zui-xiao-de-kge-shu-lcof/

仓库管理员以数组 stock 形式记录商品库存表,其中 stock[i] 表示对应商品库存余量。请返回库存余量最少的 cnt 个商品余量,返回 顺序不限。

示例 1:

输入:stock = [2,5,7,4], cnt = 1
输出:[2]

示例 2:

输入:stock = [0,2,3,6], cnt = 2
输出:[0,2][2,0]

提示:

0 <= cnt <= stock.length <= 100000 <= stock[i] <= 10000

思路:先排序,然后取值

/*** @param {number[]} stock* @param {number} cnt* @return {number[]}*/
var inventoryManagement = function(stock, cnt) {// 先排序,然后取值return stock.sort((a,b)=>a-b).slice(0,cnt)
};

使用堆 : 计数排序 – 拿空间换时间

/*** @param {number[]} stock* @param {number} cnt* @return {number[]}*/
var inventoryManagement = function(stock, cnt) {// 先排序,然后取值return  countingSort(stock,cnt,10000)
};const countingSort = (arr,k,length)=>{// 将新开辟一个空间,将输入的数据存储到空间let bucket = new Array(length) let sortedIndex = 0let arrLen = arr.lengthlet bukectLength = length// stock [2,5,7,4] 原抬款组中下标对应的值 对应此处的下标for(let i = 0; i < arrLen;i++){if(!bucket[arr[i]]){bucket[arr[i]]= 0}bucket[arr[i]] ++} // bucket [0,0,1,0,1,1,0,1,]let res = [] for (let j = 0; j < bukectLength;j++){while(bucket[j]-- > 0 && sortedIndex < k){res[sortedIndex++] = j}if(sortedIndex === k){break}}return res
}

扩展1:JavaScript slice 方法

在JavaScript中,slice()是一个数组方法,用于从原始数组中提取指定范围的元素,并返回一个新的数组。它不会修改原始数组,而是返回一个浅拷贝。

slice()方法接受两个参数:起始索引和结束索引(可选)。起始索引指定了截取的起始位置,包含该索引对应的元素;结束索引指定了截取的结束位置,但不包含该索引对应的元素。

使用示例:

const fruits = ['apple', 'banana', 'orange', 'grapefruit', 'kiwi'];// 截取索引1到3之间的元素(不包括索引3)
const slicedFruits = fruits.slice(1, 3);
console.log(slicedFruits); // 输出: ['banana', 'orange']// 不传递结束索引,则截取从起始索引到数组末尾的所有元素
const slicedFruits2 = fruits.slice(2);
console.log(slicedFruits2); // 输出: ['orange', 'grapefruit', 'kiwi']// 负数索引表示从数组末尾开始计算,-2表示倒数第二个元素
const slicedFruits3 = fruits.slice(-2);
console.log(slicedFruits3); // 输出: ['grapefruit', 'kiwi']// 可以将slice()用于字符串
const str = "Hello, World!";
const slicedStr = str.slice(7, 12);
console.log(slicedStr); // 输出: "World"

注意事项:

  • 如果结束索引小于起始索引,则返回一个空数组。
  • 原始数组的元素不会受到slice()方法影响,它仅返回一个新的数组副本。
  • slice()方法对字符串同样适用,可以截取指定范围内的字符子串。

扩展2:计数排序

计数排序(Counting Sort)是一种线性时间复杂度(O(n+k))的排序算法,其中n是待排序元素的数量,k是待排序元素的取值范围大小。计数排序适用于排序范围较小的整数数组。

计数排序的基本思想是统计每个元素出现的次数,然后根据统计信息将元素放回正确的位置。它使用一个额外的计数数组来存储每个元素的出现次数,然后通过累加计数数组中的值,确定每个元素在排好序的数组中的最终位置。

下面是计数排序的示例步骤:

  1. 统计每个元素出现的次数:遍历待排序数组,对每个元素进行计数,并将计数结果存储在对应索引位置的计数数组中。

  2. 累加计数数组:对计数数组进行累加操作,每个位置的值等于前面所有位置的值之和,这样可以确定每个元素在排序后数组中的最终位置。

  3. 排序:创建一个与待排序数组相同大小的临时数组,遍历待排序数组,根据计数数组中的值确定每个元素在临时数组中的位置,并将元素放置到临时数组中。

  4. 将临时数组中的元素复制回原始数组:将临时数组中的元素按顺序复制回原始数组,即完成排序。

以下是一个计数排序的示例代码(使用JavaScript):

function countingSort(arr) {const len = arr.length;if (len <= 1) {return arr;}// 找出待排序数组中的最大值let max = arr[0];for (let i = 1; i < len; i++) {if (arr[i] > max) {max = arr[i];}}// 创建计数数组,并统计每个元素的出现次数const countArray = new Array(max + 1).fill(0);for (let i = 0; i < len; i++) {countArray[arr[i]]++;}// 累加计数数组for (let i = 1; i <= max; i++) {countArray[i] += countArray[i - 1];}// 创建临时数组存储排序结果const tempArray = new Array(len);// 排序for (let i = len - 1; i >= 0; i--) {const value = arr[i];const index = countArray[value] - 1;tempArray[index] = value;countArray[value]--;}// 将临时数组复制回原始数组for (let i = 0; i < len; i++) {arr[i] = tempArray[i];}return arr;
}// 使用示例
const array = [5, 8, 2, 1, 9, 3, 5];
const sortedArray = countingSort(array);
console.log(sortedArray); // 输出: [1, 2, 3, 5, 5, 8, 9]

计数排序的优势在于它不是基于比较的排序算法,因此在某些情况下,它可以比其他排序算法更快。但是,计数排序的缺点是它对输入数据的取值范围有一定要求,并且需要额外的空间来存储计数数组和临时数组。

这篇关于前端算法之堆 -- 计数排序的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/575104

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

这15个Vue指令,让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件,按住 Control 和回车键再显示它吗?小菜一碟: <template

【 html+css 绚丽Loading 】000046 三才归元阵

前言:哈喽,大家好,今天给大家分享html+css 绚丽Loading!并提供具体代码帮助大家深入理解,彻底掌握!创作不易,如果能帮助到大家或者给大家一些灵感和启发,欢迎收藏+关注哦 💕 目录 📚一、效果📚二、信息💡1.简介:💡2.外观描述:💡3.使用方式:💡4.战斗方式:💡5.提升:💡6.传说: 📚三、源代码,上代码,可以直接复制使用🎥效果🗂️目录✍️

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

usaco 1.3 Mixing Milk (结构体排序 qsort) and hdu 2020(sort)

到了这题学会了结构体排序 于是回去修改了 1.2 milking cows 的算法~ 结构体排序核心: 1.结构体定义 struct Milk{int price;int milks;}milk[5000]; 2.自定义的比较函数,若返回值为正,qsort 函数判定a>b ;为负,a<b;为0,a==b; int milkcmp(const void *va,c