yihan12/leetcode-exercise

算法自我练习使用，仅供参考，记录自己学习算法的点滴。主要语言JavaScript

Hi there, I'm yihan123 👋

I'm Peng Yao hui, a web frontend developer from ChangSha, China.

• ⚒️ JavaScript/Css3/Html5/Vue/React
• 📦 Work in shenzhen
• ✏️ CSDN:易函123/思否:易函123/掘金:易函123/博客园：易函123
• 🔑 Email: [email protected]
• 😄 Blog：个人博客
• 🌱 Live and learn

---

📊 some stats

---

📊 Weekly development breakdown

Markdown         3 hrs 30 mins      ███████████▓░░░░░░░░░░░░░   46.74 % 
JavaScript       1 hr 35 mins       █████▒░░░░░░░░░░░░░░░░░░░   21.32 % 
HTML             48 mins            ██▓░░░░░░░░░░░░░░░░░░░░░░   10.83 % 
CSS3             29 mins            █▓░░░░░░░░░░░░░░░░░░░░░░░   06.59 % 
HTML5            27 mins            █▓░░░░░░░░░░░░░░░░░░░░░░░   06.16 % 

leetcode-exercise's Issues

BFS-广度优先遍历

广度优先遍历是一种图的遍历算法，它从图的起始顶点开始，先访问起始顶点的所有邻接顶点，然后再依次访问这些邻接顶点的邻接顶点，以此类推，直到遍历完所有顶点。

广度优先遍历通常使用队列来实现，具体步骤如下：

• 将起始顶点入队；
• 当队列不为空时，取出队列头部的顶点，并将其所有未访问的邻接顶点入队；
• 标记当前顶点为已访问；
• 重复步骤2和步骤3，直到队列为空。

广度优先遍历的特点是能够按层次遍历图的顶点，从而找到起始顶点到其他顶点的最短路径。它适合应用于寻找最短路径、拓扑排序等问题。

DFS-深度优先遍历

深度优先遍历是一种图的遍历算法，它从图的起始顶点开始，沿着一条路径一直访问到最深的顶点，然后再回溯到上一个顶点，继续沿着另一条路径访问，直到遍历完所有顶点。

深度优先遍历通常使用递归或者栈来实现，具体步骤如下：

• 从起始顶点开始，访问该顶点，并标记为已访问；
• 递归访问该顶点的未访问邻接顶点，直到所有邻接顶点都被访问过；
• 如果当前顶点的所有邻接顶点都被访问过，回溯到上一个顶点，继续递归访问其未访问邻接顶点；
• 重复步骤2和步骤3，直到所有顶点都被访问过。

深度优先遍历的特点是能够沿着一条路径一直向下访问，直到最深的顶点，然后再回溯到上一个顶点，继续向下访问。它适合应用于寻找连通分量、拓扑排序等问题。

时间复杂度

时间复杂度

是什么？

• 一个函数，用大O表示，比如O(1)、O(n)、O(logN)...
• 定性描述该算法的时间

O(1)

// O(1)
let i = 0;
i += 1

O(n)

// O(n)
for(let i = 0; i < n; i+=1){
    console.log(i)
}

O(n)+O(1)=O(n)

// O(n)+O(1)=O(n)
let i = 0;
i += 1
for(let j = 0; j < n; j+=1){
    console.log(j)
}

O(n)*O(n)=O(n^2)

// O(n)*O(n)=O(n^2)
for(let i = 0; i < n; i+=1){
    for(let j = 0; j < n; j+=1){
        console.log(i,j)
    }
}

O(n)*O(n)=O(n^2)

// O(n)*O(n)=O(n^2)
for(let i = 0; i < n; i+=1){
    for(let j = 0; j < n; j+=1){
        console.log(i,j)
    }
}

O(logN)

// O(logN)
let i = 1;
while(i > n){
    console.log(i)
    i *= 2
}

递归

递归是指一个函数在执行过程中调用自身的行为。在编程中，递归通常用于解决可以被分解为相似子问题的问题，每次递归调用都是为了解决一个规模更小的子问题。

递归函数通常包含两部分：基本情况和递归情况。基本情况是指当问题的规模足够小，可以直接求解而不需要再次递归调用的情况。递归情况是指问题的规模较大，需要通过递归调用来解决的情况。

在编程中，递归可以简化一些问题的解决过程，使得代码更加简洁和易读。然而，递归也可能导致性能问题，因为每次递归调用都需要在内存中保存一些信息，如果递归的层级过深，可能会导致栈溢出等问题。

因此，在使用递归时，需要注意选择合适的终止条件，避免无限递归，同时需要考虑性能和内存消耗的问题。