Genelde eğitim kamplarında öğretmedikleri şeyler. Deyimsel JavaScript'te ortak algoritmaların pratik uygulamaları.

Size algoritmalar hakkında nasıl düşüneceğinizi, onları nasıl tahmin edeceğinizi, optimize edeceğinizi, yinelemeleri ve güvenilir bir JavaScript mühendisi olarak bilmeniz gereken her şeyi tanıtacağım . Kariyerimde daha önce röportaj yaparken bilmeyi dilediğim şeyler.

Rahatlayın, acele etmeyin ve keyfini çıkarın.

Algoritma nedir?

• Bir sorunu çözmek için bir dizi talimattır.
• Bir mühendis olarak problemleri çözmek sizin işiniz / hedefinizdir
• Problemleri çözerken, daha verimli / performans gösteren kalıpları / teknikleri belirlersiniz
• Unutmayın ki tek bir sorunu çözmenin birçok yolu vardır, ancak işlenecek girdi verisi miktarı arttığında hangisi en hızlıdır?

• Zaman karmaşıklığı , bir algoritmada veri beslenirken kaç ilkel işlemin yürütüldüğüdür.
• Bir algoritmanın hızı hakkında akıl
  yürütmeye yardımcı olur - Girdi verileri arttıkça bir algoritmayı yürütmek için gereken sürenin yaklaşık bir değeridir
  - Bu bir yaklaşımdır çünkü bir algoritmanın olası her tür üzerinde çalışmasının ne kadar süreceğini tam olarak tahmin edemezsiniz. makine mimarileri / ortamları / donanım yapılandırmaları / vb.
  Dolayısıyla, saniye veya milisaniye kullanmak yerine, bir algoritmanın siz onu veri besledikçe ne kadar büyüme eğiliminde olduğunu göstermek için bir büyüme faktörü kullanılır.
• Zaman karmaşıklığını özetlemek gerekirse , girdi büyüdükçe ve en kötü senaryoda bir sorunu çözmek için kaç ilkel işlemin yürütüldüğüdür .
• Gerçekleştirilen operasyonların maliyetini düşünün . Bir algoritma ne kadar hızlı olursa, makul bir sürede o kadar fazla veri işleyebilir.

• Alan karmaşıklığı , bir algoritma yürütülürken giriş boyutuna göre ne kadar bellek kullanıldığıdır

Bir platformda VPN sağlayıcılarının bir listesine sahip olduğunuzu varsayalım. En pahalı ve en ucuz olanları çözmek istiyorsunuz. Sağlayıcıların her gün eklenmeye devam ettiğini, böylece listenin büyümeye devam ettiğini unutmayın.

const vpnProviders = [
 { name: 'totoVpn', price: 234 },
 { name: 'titoVpn', price: 321 },
 { name: 'tatoVpn', price: 99 },
 { name: 'tutoVpn', price: 54 },
 ...
];

Listede dolaşırken, yineleme başına en yüksek ve en düşük fiyatı takip edersiniz.

En pahalı fiyatı ararken bir temsil görelim:

       |  234  |  321  |  99  |  54  |
--------------------------------------
  234  |  --   |  321  |  234 |  234 |
--------------------------------------
  321  |  321  |  --   |  321 |  321 |
--------------------------------------
   99  |  234  |  321  |  --  |  99  |
--------------------------------------
   54  |  234  |  321  |  99  |  --  |

 # of providers (n)  |   4  |  11  |  100     |  2000      |
------------------------------------------------------------
 # of operations     |  16  |  121 |  10,000  |  4,000,000 |

• sağlayıcı sayısı arttıkça, işlem sayısı ikisinin gücü artar (4², 11², 100² işlemler).
• Yani temelde, verileriniz büyüdükçe, daha büyük bir çalışma gerekecektir.

      |  234  |  321   |  ...  |  99  |  54  |
----------------------------------------------
max?  |  234  |  321   |  ...  |  321 |  321 |

      |  234  |  321   |  ...  |  99  |  54  |
- --------------------------------------------
min?  |  234   |  234  |  ...  |  99  |  54  |

• Listedeki her öğeye döngü yinelemesinde yalnızca bir kez bakılır ve koşulu karşılarsa saklanır (maks., Min.)
• burada zaman karmaşıklığı doğrusaldır ( burada, 2n), çünkü tüm öğelere aynı anda bakan iki farklı döngü
• Gerçekleştirilecek işlem sayısı öğe sayısının iki katıdır veya basitçe ifade etmek gerekirse, veriler büyüdükçe iş 2 artar.

# of providers (n)  |   4  |  11  |  100  |  2000  |
----------------------------------------------------
 # of operations    |   8  |   22 |  200  |  4,000 |

const vpnProviders = [
 { name: 'tutoVpn', price: 54 },
 { name: 'tatoVpn', price: 99 },
 { name: 'totoVpn', price: 234 },
 { name: 'titoVpn', price: 321 },
 ...
];

• döngülere gerek yok, sadece 2 işlem, ilk değeri minimum ve son değeri maksimum olarak ayarlayın
• bu nedenle, algoritmanın zaman karmaşıklığı sürekli bir büyümeye sahiptir, çünkü n sayıda öğe olursa olsun, işlem sayısı aynı kalır

# of providers (n)  |   4  |  11  |  100  |  2000  |
----------------------------------------------------
 # of operations    |   2 |    2  |    2  |   2    |

• Zaman karmaşıklığındaki artış, büyük O gösterimi ile temsil edilir
• Şimdiye kadar gördük:
  - O (n²) ile temsil edilen ikinci dereceden zaman karmaşıklığı - O (n) ile temsil edilen doğrusal zaman karmaşıklığı - O (1) ile temsil edilen sabit zaman karmaşıklığı
  
  
• Zaman karmaşıklığı bir tahmin olduğundan, önemsiz sayılar düşürülür, bu nedenle 2n'lik bir zaman karmaşıklığı sadece O (n) değil O (2n) 'dir.
• Faktörler atlandı :
  - 5n, O (n) ["o / n" olarak telaffuz edilir]
  - 24n², O (n²) ["o, n kare" olarak okunur]
• İşte büyümenin grafiksel bir gösterimi:

• zaman karmaşıklığını bilmek, bir algoritmanın, bitirmesi bir milyon yıl sürmeden önce ne kadar veriye dayanabileceği açısından sınırlarını anlamanıza yardımcı olur
• Ayrıca, belirli koşullara göre bir algoritmayı diğerlerine göre seçme konusunda taviz vermeye yardımcı olur.
• Algoritmik doğruluk kavramı, bir algoritma seçiminizle ilgilidir, en uygun / doğru çözüm bu mu?

• Bir ile bildirim logaritmik zaman karmaşıklığı (O (log n)) , daha fazla veri yeni başladığın anda bunun bir kuadratik zaman karmaşıklığı daha fazla zaman alır algoritma bunu yapmak zorundadır daha az iş değil, aynı zamanda haber beslemek
• yani çok ölçülebilir son derece yavaş gelen, vardır:
  - Cı- ONSTANT zaman karmaşıklığı ile temsil edilen , O (1)
  - L ogarithmic zaman karmaşıklığı ile temsil edilen , O (log n)
  - doğrusal zaman karmaşıklığı ile temsil edilen O (n)
  - İkinci dereceden zaman karmaşıklığı ile temsil edilen O (n²)
  - O (n³) ile temsil edilen C ubik zaman karmaşıklığı - O (k) ile temsil edilen üstel zaman karmaşıklığı