JavaScript数据结构与算法实现

JavaScript可通过数组、对象和类实现核心数据结构:数组适合索引访问,链表利于频繁增删;栈用数组实现LIFO,队列用对象优化FIFO;二叉树支持递归遍历,图用邻接表存储;并可基于这些结构实现递归、排序、搜索等算法。

JavaScript 是一门灵活且强大的编程语言,非常适合用来实现各种数据结构与算法。通过合理使用 JavaScript 的对象、数组和函数特性,我们可以高效地构建常见数据结构,并在此基础上实现经典算法。以下是几种核心数据结构及其在 JavaScript 中的实现方式。

数组与链表

数组是 JavaScript 中最基础的数据结构之一,基于索引访问非常快,但在插入或删除时效率较低,尤其是在头部或中间位置。

常见操作:
  • push() / pop():尾部增删,时间复杂度 O(1)
  • shift() / unshift():头部增删,时间复杂度 O(n)

链表通过节点连接实现,每个节点包含值和指向下一个节点的指针。适合频繁插入删除的场景。

简易单向链表实现:
class ListNode {
  constructor(val) {
    this.val = val;
    this.next = null;
  }
}

class LinkedList { constructor() { this.head = null; }

append(val) { const node = new ListNode(val); if (!this.head) { this.head = node; } else { let current = this.head; while (current.next) { current = current.next; } current.next = node; } } }

栈与队列

遵循后进先出(LIFO)原则,可以用数组快速实现。

实现示例:
class Stack {
  constructor() {
    this.items = [];
  }

push(item) { this.items.push(item); }

pop() { return this.items.pop(); }

peek() { return this.items[this.items.length - 1]; }

isEmpty() { return this.items.length === 0; } }

队列是先进先出(FIFO)结构。虽然可用数组实现,但 shift() 操作为 O(n),建议用对象加指针优化。

优化队列实现:
class Queue {
  constructor() {
    this.items = {};
    this.head = 0;
    this.tail = 0;
  }

enqueue(val) { this.items[this.tail] = val; this.tail++; }

dequeue() { if (this.head === this.tail) return undefined; const val = this.items[this.head]; delete this.items[this.head]; this.head++; return val; } }

树与图

二叉树每个节点最多有两个子节点。常用于搜索、排序等场景。

二叉树节点定义:
class TreeNode {
  constructor(val) {
    this.val = val;
    this.left = null;
    this.right = null;
  }
}

常见遍历方式包括递归实现的前序、中序、后序遍历,以及用队列实现的层序遍历(广度优先)。

可以用邻接表或邻接矩阵表示。JavaScript 中常用对象存储邻接表。

无向图实现示例:
class Graph {
  constructor() {
    this.adjacencyList = {};
  }

addVertex(vertex) { if (!this.adjacencyList[vertex]) { this.adjacencyList[vertex] = []; } }

addEdge(v1, v2) { this.adjacencyList[v1].push(v2); this.adjacencyList[v2].push(v1); } }

常见算法实现

在数据结构基础上,可实现多种经典算法。

递归与回溯:
  • 斐波那契数列(可用记忆化优化)
  • 全排列问题

排序算法:

  • 快速排序:选择基准,分区递归
  • 归并排序:分治合并,稳定排序

搜索算法:

  • 二分查找:适用于有序数组,时间复杂度 O(log n)
  • 深度优先搜索(DFS):常用于树和图的遍历
  • 广度优先搜索(BFS):借助队列,适合找最短路径
  • 基本上就这些。掌握这些基础结构和实现方法,能应对大多数前端或算法题场景。关键是理解每种结构的适用条件和性能特点。