移至前端演算法

1. 有n個數組元素的一維數組A,請寫一個演算法將該數組中所有值為0的元素都依次移到數組的前端其他元素依次輸出

#include<stdio.h>

#include<stdlib.h>

int main()

{ int n,i,j,a[100];

scanf("%d",&n);

for(i=0;i<n;i++)

{j=rand()%3;

a[i]=j?rand()%100:0;

printf("%3d",a[i]);

}

printf(" ");

for(i=j=n-1;i>=0;i--)

if(a[i])a[j--]=a[i];

for(;j>=0;)a[j--]=0;

for(i=0;i<n;i++)

printf("%3d",a[i]);

return 0;

}

2. 假設數組A[n]的n個元素中有多個零元素，設計一個演算法，將A中所有的非零元素依次移到A的前端。

public static void move(int[] array){ int count=0; //記錄0的個數 for(int i=0;i<array.length;i++){ if(array[i]==0){ //如果下標i的數為0，就跳過此次循環進入下一次循環，並把count加1 count++; continue; } array[i-count]=array[i]; //將當前下標的值向前移動count個位置 } //由於所有不為0的數已一次移動到前面了，那麼最後count個數就是0了 for(int i=0;i<count;i++){ array[array.length-1-i]=0; } } 這是用java語言寫的方法，主要步驟已經寫了注釋，還有什麼不懂可以再問我。

3. 如何將深度學習演算法的能力移植到前端

現在深度學習在機器學習領域是一個很熱的概念，不過經過各種媒體的轉載播報，這個概念也逐漸變得有些神話的感覺：例如，人們可能認為，深度學習是一種能夠模擬出人腦的神經結構的機器學習方式，從而能夠讓計算機具有人一樣的智慧；而這樣一種技術在將來無疑是前景無限的。那麼深度學習本質上又是一種什麼樣的技術呢？
深度學習是什麼
深度學習是機器學習領域中對模式（聲音、圖像等等）進行建模的一種方法，它也是一種基於統計的概率模型。在對各種模式進行建模之後，便可以對各種模式進行識別了，例如待建模的模式是聲音的話，那麼這種識別便可以理解為語音識別。而類比來理解，如果說將機器學習演算法類比為排序演算法，那麼深度學習演算法便是眾多排序演算法當中的一種（例如冒泡排序），這種演算法在某些應用場景中，會具有一定的優勢。
深度學習的「深度」體現在哪裡
論及深度學習中的「深度」一詞，人們從感性上可能會認為，深度學習相對於傳統的機器學習演算法，能夠做更多的事情，是一種更為「高深」的演算法。而事實可能並非我們想像的那樣，因為從演算法輸入輸出的角度考慮，深度學習演算法與傳統的有監督機器學習演算法的輸入輸出都是類似的，無論是最簡單的Logistic Regression，還是到後來的SVM、boosting等演算法，它們能夠做的事情都是類似的。正如無論使用什麼樣的排序演算法，它們的輸入和預期的輸出都是類似的，區別在於各種演算法在不同環境下的性能不同。
那麼深度學習的「深度」本質上又指的是什麼呢？深度學習的學名又叫深層神經網路（Deep Neural Networks ），是從很久以前的人工神經網路（Artificial Neural Networks）模型發展而來。這種模型一般採用計算機科學中的圖模型來直觀的表達，而深度學習的「深度」便指的是圖模型的層數以及每一層的節點數量，相對於之前的神經網路而言，有了很大程度的提升。
深度學習也有許多種不同的實現形式，根據解決問題、應用領域甚至論文作者取名創意的不同，它也有不同的名字：例如卷積神經網路（Convolutional Neural Networks）、深度置信網路（Deep Belief Networks）、受限玻爾茲曼機（Restricted Boltzmann Machines）、深度玻爾茲曼機（Deep Boltzmann Machines）、遞歸自動編碼器（Recursive Autoencoders）、深度表達（Deep Representation）等等。不過究其本質來講，都是類似的深度神經網路模型。
既然深度學習這樣一種神經網路模型在以前就出現過了，為什麼在經歷過一次沒落之後，到現在又重新進入人們的視線當中了呢？這是因為在十幾年前的硬體條件下，對高層次多節點神經網路的建模，時間復雜度（可能以年為單位）幾乎是無法接受的。在很多應用當中，實際用到的是一些深度較淺的網路，雖然這種模型在這些應用當中，取得了非常好的效果（甚至是the state of art），但由於這種時間上的不可接受性，限制了其在實際應用的推廣。而到了現在，計算機硬體的水平與之前已經不能同日而語，因此神經網路這樣一種模型便又進入了人們的視線當中。
「 2012年6月，《紐約時報》披露了Google Brain項目，吸引了公眾的廣泛關注。這個項目是由著名的斯坦福大學機器學習教授Andrew Ng和在大規模計算機系統方面的世界頂尖專家Jeff Dean共同主導，用16000個CPU Core的並行計算平台訓練一種稱為「深層神經網路」（DNN，Deep Neural Networks） 」
從Google Brain這個項目中我們可以看到，神經網路這種模型對於計算量的要求是極其巨大的，為了保證演算法實時性，需要使用大量的CPU來進行並行計算。
當然，深度學習現在備受關注的另外一個原因，當然是因為在某些場景下，這種演算法模式識別的精度，超過了絕大多數目前已有的演算法。而在最近，深度學習的提出者修改了其實現代碼的Bug之後，這種模型識別精度又有了很大的提升。這些因素共同引起了深層神經網路模型，或者說深度學習這樣一個概念的新的熱潮。
深度學習的優點
為了進行某種模式的識別，通常的做法首先是以某種方式，提取這個模式中的特徵。這個特徵的提取方式有時候是人工設計或指定的，有時候是在給定相對較多數據的前提下，由計算機自己總結出來的。深度學習提出了一種讓計算機自動學習出模式特徵的方法，並將特徵學習融入到了建立模型的過程中，從而減少了人為設計特徵造成的不完備性。而目前以深度學習為核心的某些機器學習應用，在滿足特定條件的應用場景下，已經達到了超越現有演算法的識別或分類性能。
深度學習的缺點
深度學習雖然能夠自動的學習模式的特徵，並可以達到很好的識別精度，但這種演算法工作的前提是，使用者能夠提供「相當大」量級的數據。也就是說在只能提供有限數據量的應用場景下，深度學習演算法便不能夠對數據的規律進行無偏差的估計了，因此在識別效果上可能不如一些已有的簡單演算法。另外，由於深度學習中，圖模型的復雜化導致了這個演算法的時間復雜度急劇提升，為了保證演算法的實時性，需要更高的並行編程技巧以及更好更多的硬體支持。所以，目前也只有一些經濟實力比較強大的科研機構或企業，才能夠用深度學習演算法，來做一些比較前沿而又實用的應用。

4. 演算法在前端開發的中實際應用有哪些

如果是游戲前端，演算法很重要。。。比如角色尋路，主要就是使用A*演算法，怪物的AI，通常需要使用樹相關的演算法，比如二叉樹，行為樹等。。。如果是APP或網頁前端，實際工作中，需要使用演算法的概率幾乎是零。。

5. 前端演算法入門一：刷演算法題常用的JS基礎掃盲

此篇屬於前端演算法入門系列的第一篇，主要介紹常用的 數組方法 、 字元串方法 、 遍歷方法 、 高階函數 、 正則表達式 以及相關 數學知識 。

在尾部追加，類似於壓棧，原數組會變。

在尾部彈出，類似於出棧，原數組會變。數組的 push & pop 可以模擬常見數據結構之一：棧。

在頭部壓入數據，類似於入隊，原數組會變。

在頭部彈出數據，原數組會變。數組的 push（入隊） & shift（出隊） 可以模擬常見數據結構之一：隊列。

concat會在當前數組尾部拼接傳入的數組，然後返回一個新數組，原數組不變。

在數組中尋找該值，找到則返回其下標，找不到則返回-1。

在數組中尋找該值，找到則返回true，找不到則返回false。

將數組轉化成字元串，並返回該字元串，不傳值則默認逗號隔開，原數組不變。

翻轉原數組，並返回已完成翻轉的數組，原數組改變。

從start 開始截取到end，但是不包括end

可參考 MDN：Sort

將數組轉化成字元串，並返回該字元串，逗號隔開，原數組不變。

返回指定索引位置處的字元。類似於數組用中括弧獲取相應下標位置的數據。

類似數組的concat()，用來返回一個合並拼接兩個或兩個以上字元串。原字元串不變。

indexOf,返回一個字元在字元串中首次出現的位置,lastIndexOf返回一個字元在字元串中最後一次出現的位置。

提取字元串的片斷，並把提取的字元串作為新的字元串返回出來。原字元串不變。

使用指定的分隔符將一個字元串拆分為多個子字元串數組並返回，原字元串不變。

match()方法可在字元串內檢索指定的值，或找到一個或多個正則表達式的匹配，並返回一個包含該搜索結果的數組。

注意事項 :如果match方法沒有找到匹配，將返回null。如果找到匹配，則 match方法會把匹配到以數組形式返回，如果正則規則未設置全局修飾符g，則 match方法返回的數組有兩個特性：input和index。input屬性包含整個被搜索的字元串。index屬性包含了在整個被搜索字元串中匹配的子字元串的位置。

replace接收兩個參數，參數一是需要替換掉的字元或者一個正則的匹配規則，參數二，需要替換進去的字元，仔實際的原理當中，參數二，你可以換成一個回調函數。

在目標字元串中搜索與正則規則相匹配的字元，搜索到，則返回第一個匹配項在目標字元串當中的位置，沒有搜索到則返回一個-1。

toLowerCase把字母轉換成小寫，toUpperCase()則是把字母轉換成大寫。

includes、startsWith、endsWith，es6的新增方法，includes 用來檢測目標字元串對象是否包含某個字元，返回一個布爾值，startsWith用來檢測當前字元是否是目標字元串的起始部分，相對的endwith是用來檢測是否是目標字元串的結尾部分。

返回一個新的字元串對象，新字元串等於重復了指定次數的原始字元串。接收一個參數，就是指定重復的次數。原字元串不變。

最常用的for循環，經常用的數組遍歷，也可以遍歷字元串。

while、do while主要的功能是，當滿足while後邊所跟的條件時，來執行相關業務。這兩個的區別是，while會先判斷是否滿足條件，然後再去執行花括弧裡面的任務，而do while則是先執行一次花括弧中的任務，再去執行while條件，判斷下次還是否再去執行do裡面的操作。也就是說 do while至少會執行一次操作 .

拷貝一份遍歷原數組。

for…of是ES6新增的方法，但是for…of不能去遍歷普通的對象， for…of的好處是可以使用break跳出循環。

面試官：說一下 for...in 和 for...of 區別？

返回一個布爾值 。當我們需要判定數組中的元素是否滿足某些條件時，可以使用every / some。這兩個的區別是，every會去判斷判斷數組中的每一項，而 some則是當某一項滿足條件時返回。

rece 從左到右將數組元素做「疊加」處理，返回一個值。receRight 從右到左。

Object.keys方法的參數是一個對象，返回一個數組。該數組的成員都是該對象自身的（而不是繼承的）所有屬性名，且只返回可枚舉的屬性。

Object.getOwnPropertyNames方法與Object.keys類似，也是接受一個對象作為參數，返回一個數組，包含了該對象自身的所有屬性名。但它能返回不可枚舉的屬性。

這里羅列一些我在刷演算法題中遇到的正則表達式，如果有時間可認真學一下正則表達式不要背。

持續更新，敬請期待……

若一個正整數無法被除了1 和它自身之外的任何自然數整除，則稱該數為質數（或素數），否則稱該正整數為合數。

持續更新，敬請期待……

作者：擺草猿
鏈接：https://juejin.cn/post/7087134135193436197

6. 為什麼數據結構與演算法，對前端開發很重要

前端的技術領域和范圍正在飛速演進中，再過3年5年不懂演算法和數據結構的前端慢慢就淘汰了。幾大互聯網公司的已經開始在使用數據挖掘、貝葉斯、3D圖形圖像等領域演算法到前端領域。對瀏覽器的了解也逐步深入到內部實現機制原理上，從原理上理解渲染。無線端的前端越來越像嵌入式應用開發，這些都更需要有扎實而綜合的計算機專業基礎。

7. 假設數組A[n]的n個元素中有多個零元素，設計一個演算法，將A中所有的非零元素依次移到A的前端

1.建立數組/鏈表,初始化數據
2. 兩個指針,一個頭指針,初值為null或(數組下標=-1), 一個尾指針指向元素尾部
頭指針指示可交換頭部位置(就是 這個指針前面都是交換好的非0元素不用在動了)
尾指針指向待處理元素
3.處理步驟 1. 判斷尾指針元素是否非0 , 為真: 頭指針+1, 頭尾元素交換, 繼續判斷交換後的尾指針是否非0; 為真: 頭指針+1, 頭尾元素交換,繼續判斷交換後的尾指針是否非0(重復上面的);為假: 頭指針不動,尾指針+1
4,終結條件, 頭尾指針位置相等
當然這個不是優化演算法,可以先判斷頭指針,如果頭指針為非0元素可以直接+1,而不要再交換到尾部在判斷在交換回去....

8. 前端和演算法有關系么

演算法你指的是網路的一些seo、sem 的演算法嗎？演算法是為了打擊一些非法的操作，當然也有利於用戶的體驗，如果可以在前端布局一些演算法，對網站也是有好處的。前端布局一些演算法是有好處的。

9. C++：鍵盤輸入n，然後輸入n個整數存入數組a，將奇數移到a的前端，要求見下。咋編

代碼文本：

//#include "stdafx.h"//vc++ 6.0? Maybe should add this line.

#include <iostream>

#include "time.h"

using namespace std;

int main(int argc,char *argv[]){

int a[100],i,j,t,n;

cout << "Enter n... ";

if(cin >> n,n>100 || n<1)

n=100;

if(n>10){//n>10時自動隨機輸入並顯示

srand((unsigned)time(NULL));

for(i=0;i<n;){

cout.width(6);//輸出格式占寬6列右對齊

cout << (a[i++]=rand());

if(i%10==0 || i==n)//輸出10個數或最後一行末回車

cout << endl;

}

}

else{//n<=10時手工輸入顯示

cout << "Please enter " << n << " integer(s)(SEP by ' ')... ";

for(i=0;i<n;cin >> a[i++]);

cout << endl;

}

for(i=0;i<n;i++){//把奇數移到a前端演算法

if((a[i]&1)==0){

for(j=i+1;j<n;j++)

if(a[j]&1){//在i後找到奇數則保存至t

for(t=a[j];j>i;a[j--]=a[j-1]);//a[i]~a[j]順序向後移一位

a[i]=t;//把a[j]拷貝到a[i];這樣奇偶數的相對順序不變

break;

}

if(j==n)//若i後無奇數了就中止外for操作

break;

}

}

cout << "OUT: ";

for(i=0;i<n;){//輸出

cout.width(6);//輸出格式占寬6列右對齊

cout << a[i++];

if(i%10==0 || i==n)//輸出10個數或最後一行末回車

cout << endl;

}

return 0;

}