算法diff
‘壹’ react用虚拟dom有什么好处
什么是虚拟DOM（Virtual DOM）
首先，解释下虚拟DOM。虚拟DOM保存了真实DOM的层次关系和一些基本属性，与真实DOM一一对应。虚拟DOM的工作原理是：数据 -> 全新的虚拟DOM -> 与上一个状态的虚拟DOM进行diff算法比较，得到一个Patch -> 把这个Patch打到浏览器的DOM上。所以虚拟DOM叫的挺高端，其实就有点类似DocumentFragment，把多次DOM操作做一个批处理。于是，有一件很有意思的事情，如果你手动在DOM里删除一些节点，使得虚拟DOM与真实DOM不能一一对应了，再改变state重新render页面，页面就乱了。
diff算法
其次，想分享下diff算法。前两天看司徒正美推销他的Avalon，也分析了下React，说了一句话，现在前端框架比的是算法。diff算法说白了就是比较两个文件不同的算法。一般diff算法的复杂度是O(n3)。Facebook工程师根据前端页面特点做了两个假设（如果你好奇是什么假设这么神奇，可以来问我），把比较前后两个状态虚拟DOM的diff算法的复杂度降到了O(n)。这个diff算法分为三部分，我用三句话总结：
1. 虚拟DOM树同一位置不同类型（标签不同）的节点：删除前一状态节点，插入后一状态节点，哪怕节点有子节点也这样做；
2. 虚拟DOM树同一位置相同类型但个别属性不同的节点，对前一状态节点进行属性重设；
3. 列表节点（就是我们用循环创建的类似Array的节点），如果没有unique key（没有控制台会报警告的）就按照前面两种方式解决，如果有unique key就找到key相应的位置插入节点。
真的很简单，印证了一句话，简单的算法往往效率最高，好像我做推荐算法，单个算法不混合的话，依然是协同过滤效果最好。
虚拟DOM快在哪里
然后，js计算肯定要比DOM操作快啊，每次DOM操作都很有可能引起回流(Reflow)和重绘(Repaint)啊。当然浏览器也不傻，不是你每次操作DOM浏览器都重绘一次，一般浏览器会按照时间或次数间隔进行DOM操作的批处理。那问题来了，到底是浏览器优化后的DOM批处理快，还是React的虚拟DOM+优化diff算法快。这个我没有测试过，根据博客上内容，React的优化更人性化、也更快。速度快肯定是虚拟DOM的一个优点，另外一点，浏览器对DOM操作批处理的主动权不在前端人员手中，React将这种批处理的时机选择交到了我们手中，看我们什么时候想render页面。这个和AJAX+回调带来的问题一样，当我们发送一个AJAX，然后指定一个回调函数时候，对回调里代码的控制权就交给浏览器了，所以前端人员常常感觉AJAX不可控，不知道回调什么时候执行完了，页面一大堆flag。
‘贰’ 用python语言 表示 更相减损法
先从网上摘录一段算法的描述如下：
更相减损法：也叫 更相减损术，是出自《 九章算术》的一种求最大公约数的算法，它原本是为 约分而设计的，但它适用于任何需要求最大公约数的场合。
《九章算术》是中国古代的数学专着，其中的“更相减损术”可以用来求两个数的最大公约数，即“可半者半之，不可半者，副置分母、子之数，以少减多，更相减损，求其等也。以等数约之。”
翻译成现代语言如下：
第一步：任意给定两个正整数；判断它们是否都是偶数。若是，则用2约简；若不是则执行第二步。
第二步：以较大的数减较小的数，接着把所得的差与较小的数比较，并以大数减小数。继续这个操作，直到所得的减数和差相等为止。
看完上面的描述，我的第一反应是这个描述是不是有问题？从普适性来说的话，应该是有问题的。举例来说，如果我求解4和4的最大公约数，可半者半之之后，结果肯定错了！后面的算法也不能够进行！
不管怎么说，先实现一下上面的算法描述：
defMaxCommDivisor(m,n):
# even process
while m % 2 == 0 and n % 2 == 0:
m = m / 2
n = n / 2
# exchange order when needed
if m < n:
m,n = n,m
# calculate the max comm divisor
while m - n != n:
diff = m - n
if diff > n:
m = diff
else:
m = n
n = diff
return n
print(MaxCommDivisor(55,120))
print(MaxCommDivisor(55,77))
print(MaxCommDivisor(32,64))
print(MaxCommDivisor(16,128))
不用说，上面程序执行错误百出。那么该如何更正呢？
首先，除的2最终都应该再算回去！这样，程序修改如下：
defMaxCommDivisor(m,n):
com_factor = 1
if m == n:
return n
else:
# process for even number
while m % 2 == 0 and n % 2 == 0:
m = int(m / 2)
n = int(n / 2)
com_factor *= 2
if m < n:
m,n = n,m
diff = m - n
while n != diff:
m = diff
if m < n:
m,n = n,m
diff = m - n
return n * com_factor
print(MaxCommDivisor(55,120))
print(MaxCommDivisor(55,77))
print(MaxCommDivisor(32,64))
print(MaxCommDivisor(16,128))
通过修改，上面程序执行结果如下;
grey@DESKTOP-3T80NPQ:/mnt/e/01_workspace/11_算法/01_TAOCP$ python max_com_divisor_gxjs.py
5
11
32
16
虽说这段程序写出来看着有点怪怪的，但是总体的算法还是实现了。与辗转相除等算法相比，这个在循环的层级上有一定的概率会减小。特别是最后的两组测试数字对儿，这种情况下的效果要好一些。但是，总体上的算法的效率，现在我还不能够给个准确的衡量。
‘叁’ 有关内惩罚函数算法matlab程序
这个代码的问题在于没有将subs函数转换为数值，所以在下面求inv的时候会超级慢，修改过的代码如下：
clc;
clear;
m=zeros(1,50);
a=zeros(1,50);
b=zeros(1,50);
f0=zeros(1,50);
symsx1x2e;
m(1)=1;
c=0.2;
a(1)=2;
b(1)=-3;
f=x1^2+x2^2-e*(1/(2*x1+x2-2)+1/(1-x1));
f0(1)=15;
fx1=diff(f,'x1');
fx2=diff(f,'x2');
fx1x1=diff(fx1,'x1');
fx1x2=diff(fx1,'x2');
fx2x1=diff(fx2,'x1');
fx2x2=diff(fx2,'x2');
%%
fork=1:length(a)-1
k
x1=a(k);
x2=b(k);
e=m(k);
forn=1:length(a)-1
n
f1=double(subs(fx1));
f2=double(subs(fx2));
f11=double(subs(fx1x1));
f12=double(subs(fx1x2));
f21=double(subs(fx2x1));
f22=double(subs(fx2x2));
ifdouble(sqrt(f1^2+f2^2))<=0.001
a(k+1)=double(x1);
b(k+1)=double(x2);
f0(k+1)=double(subs(f));
break
else
X=[x1x2]'-inv([f11f12;f21f22])*[f1f2]';
x1=X(1,1);
x2=X(2,1);
end
end
ifdouble(sqrt((a(k+1)-a(k))^2+(b(k+1)-b(k))^2))<=0.001&&double(abs((f0(k+1)-f0(k))/f0(k)))<=0.001
a(k+1)
b(k+1)
k
f0(k+1)
break
else
m(k+1)=c*m(k);
end
end
‘肆’ 如何求变量的二阶导数
用ode45求解一组六元一阶微分方程组也就是说，微分方程组里面不含y(1)的二阶导，这样的话，你直接可以将y1-y6求出。求出数值后，根据数值来求导啊。
‘伍’ 同一副图多周期macd同时显示diff的算法问题
你这公式的算法跟显示macd多周期dif值一点关系都没有。所以谈不上准确不准确的问题，再有90分钟的显示不了。
‘陆’ diff算法是什么
diff算法是虚拟DOM中采用的算法。
把树形结构按照层级分解，只比较同级元素。不同层级的节点只有创建和删除操作。给列表结构的每个单元添加唯一的key属性，方便比较。
相关信息：
React只会匹配相同class的component。合并操作，调用component 的 setState 方法的时候，React将其标记为dirty。
到每一个事件循环结束，React 检查所有标记 dirty 的 component 重新绘制。选择性子树渲染。开发人员可以重写 shouldComponentUpdate 提高 diff 的性能。
‘柒’ 前端需要计算题吗
算法是编程的"里子",不管你是前端还是后端,作为一名计算机工程师,具备一定的算法能力,是一种基本要求.具体一点,我们是来讲算法在前端工作中应用.web前端工作中,确实没有太多算法上的需求.以vue等着名框架的虚拟dom的diff算法来讲,框架已经被很好的实现了,你在使用框架的时候是不会涉及到具体的diff算法.但是理解算法,可以让你更好的理解框架,从而也能更好的使用框架,提高页面的性能.再宽泛的来讲算法,很多特殊的需求也会需要你来设计一个算法.比如某个需求有很多个异步请求要发送给服务器,全部完成之后,可以继续下一件事情.可能很多人要说,这个很简单,一个Promise.all就可以解决。
但是请你考虑下面稍有变化的情况,因为服务器的压力问题,限制同一个客户端只能在同一时间只能发送2个异步请求,所以你就必须对Promise.all做出适当的修改在这样的情况下,你就需要设计到一套算法去高效完成它。希望我的回答对你有帮助，欢迎采纳我的回答，谢谢。
‘捌’ vue需要使用key来给每个节点做一个唯一标识，Diff算法就可以正确的识别此节点，更高效的更新虚拟DOM吗
是的。页面的数据变化时，Diff算法会比较同层级节点。当有唯一标识的时候，虚拟DOM可以识别位置，更新相应节点；无唯一标识的时候，会更新同层级节点。数据量大的时候明显更快。
‘玖’ Diff 算法的原理是什么，怎样学习和理解
建议千万不要一开始就看《算法导论》，这本书有太多关于算法的数学证明（如果你喜欢这种，那么你就看这本）
我强烈你看看这本：算法（第4版） (豆瓣)，作者是高德纳的学生：塞奇威克 (Robert Sedgewick)
去年我在准备校招面试的时候偶然发现这本书，我越看越着迷，书中算法代码主要是用Java编写，里面有大量的图来让你明白例如：排序，查找，树和图的算法运行过程。
这本书的目录编排也很清晰，他就告诉你算法主要就可以分为：排序，查找，图和字符串。从这4个方面可以演化出很多算法。
我觉得最关键是：这本书的作者不但是在告诉你what，而且告诉你why（分析各种算法的优缺点）
。