一些关于js的实用小算法
本篇文章给大家分享的内容是一些关于js的实用小算法,有着一定的参考价值,有需要的朋友可以参考一下
判断文本是否为回文
定义:如果将一个文本翻转过来,能和原文本完全相等,那么就可以称之为“回文”。
方法一(字符串、数组内置方法)
<br> Salin selepas log masuk <br> <br> <br> <br> <br> <br> <br> <br> <br> <br> <br> <br> <br> <br> <br> |
/* * 判断文字是否为回文 * @param {string|number} val 需要判断的文字 * @return {boolean} bool 是否为回文 */ function isPalindrome1(val){ // 允许输入字符串和数字和布尔值 if (typeof val !== 'string') val = val.toString(); let newVal = val.split('').reverse().join(''); return val === newVal; } isPalindrome1(121) // true isPalindrome1('yuzuy') // true Salin selepas log masuk |
// PS:方法简单,但效率不高,会产生一个新的变量
方法二(循环)
/* * 判断文字是否为回文 * @param {string|number} val 需要判断的文字 * @return {boolean} bool 是否为回文 */ function isPalindrome2(val){ val = val + ''; // 非字符串转化为字符串 // 这里为什么 i <= j 呢?如果中间只有一个字符,是不需要比较的,它肯定等于它本身!!! for(let i = 0, j = val.length - 1; i < j; i++, j--){ if(val.charAt(i) !== val.charAt(j)){ return false; } } return true; } isPalindrome2(121) // true isPalindrome2('yuzuy') // true
PS:网上还有其他解法,大多为以上两种的变形。
反转字符串
方法一(字符串、数组内置方法))
借用反转字符串的方法
/* * 反转字符串 * @param {string} val 需要反转的字符串 * @return {string} str 反转后的字符串 */ function reverseVal1(val){ if (typeof val !== 'string') return; return val.split('').reverse().join(''); }
方法二(循环)
循环系列
/* * 反转字符串 * @param {string} val 需要反转的字符串 * @return {string} str 反转后的字符串 */ function reverseVal2(val){ if (typeof val !== 'string') return; let str = '', i = 0, len = val.length; while(i < len){ str += val.charAt(len - 1 - i); i++; } return str; } /* * 反转字符串 * @param {string} val 需要反转的字符串 * @return {string} str 反转后的字符串 */ function reverseVal3(val){ if (typeof val !== 'string') return; let str = '', len = val.length; for(let i = len - 1; i >= 0; i--){ str += val.charAt(i) } return str; }
测试:reverseVal(‘abc’) // ‘cba’
阶乘
方法一(递归)
/* * 阶乘 * @param {number} n 需要求的阶乘 * @return {number} 阶乘值 */ function factorialize1(n){ if(typeof n !== 'number') throw new Error('参数必须为整整') if(n === 1) return 1; // 建议不要使用 arguments.callee,目前已经废弃了。 return n * factorialize1(n - 1); }
PS:上面代码是一个阶乘函数,计算n的阶乘,最多需要保存n个调用记录,复杂度 O(n) 。
递归非常耗费内存,因为需要同时保存成千上百个调用帧,很容易发生“栈溢出”错误(stack overflow)。
方法二(ES6尾调用优化)
(递归优化版)
/* * 阶乘 * @param {number} n 需要求的阶乘 * @return {number} 阶乘值 */ function factorialize2(n, total = 1){ if(typeof n !== 'number' || typeof total !== 'number') throw new Error('参数必须为整整') if(n === 1) return total; return factorialize2(n - 1, n * total) // f(3) => f(2, 3 * 2) => f(1, 6) => 6 }
PS:ES6尾调用优化但对于尾递归来说,由于只存在一个调用帧,所以永远不会发生“栈溢出”错误。
尾调用(Tail Call)是函数式编程的一个重要概念,本身非常简单,一句话就能说清楚,就是指某个函数的最后一步是调用另一个函数。
方法三(循环)
/* * 阶乘 * @param {number} n 需要求的阶乘 * @return {number} 阶乘值 */ function factorialize3(n){ if(typeof n !== 'number') throw new Error('参数必须为整整') if(n === 1) return 1; let total = 1; while(n>1){ total = n * total; n--; } return total; }
测试:factorialize1(3) // 6
随机生成长度为n字符串
方法一
/* * 生成指定长度的随机字符串 * @param {number} n 生成字符串个数 * @return {string} str 反转后的字符串 */ function randomString1(n){ let str = 'abcdefghijklmnopqrstuvwxyz0123456789'; let tem = '', i = 0; // Math.random 函数产生值的范围[0,1) while(i<n){ tem += str.charAt(Math.floor(Math.random() * str.length)) i++; } return tem; }
PS:Math.round(Math.random() (str.length - 1))
Math.ceil(Math.random() (str.length - 1))
Math.floor(Math.random() * str.length)
这三种方式等价,都能生成[0, str.length-1]随机数
方法二(进制转化)
/* * 生成指定长度的随机字符串 * @param {number} n 生成字符串个数 * @return {string} 反转后的字符串 */ function randomString2(n){ return Math.random().toString(36).substr(2).slice(0, n) }
PS:该方法原理为随机产生的数转换为指定进制字符串
toString(n),n为[2,36],n<=10时只产生0-9也就是10进制数字
该方法有个缺点,产生字符串的长度有一定的限制。
方法三(随机码点)
/* * 生成指定长度的随机字符串 * @param {number} n 生成字符串个数 * @return {string} str 反转后的字符串 */ function randomString3(n){ let str = ''; function randomChar(){ let l = Math.floor(Math.random() * 62); if(l < 10) return l; // 数字部分 0-9 if(l < 36) return String.fromCharCode(l + 55); // 大写字母 return String.fromCharCode(l + 61); // 小写字母 } while(str.length < n) str += randomChar(); return str; }
PS:可以参考对于的ASCII码表。<br>测试:randomString1(3) // ‘1sd’
Atas ialah kandungan terperinci 一些关于js的实用小算法. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Ditulis di atas & pemahaman peribadi penulis: Pada masa ini, dalam keseluruhan sistem pemanduan autonomi, modul persepsi memainkan peranan penting Hanya selepas kenderaan pemanduan autonomi yang memandu di jalan raya memperoleh keputusan persepsi yang tepat melalui modul persepsi boleh Peraturan hiliran dan. modul kawalan dalam sistem pemanduan autonomi membuat pertimbangan dan keputusan tingkah laku yang tepat pada masanya dan betul. Pada masa ini, kereta dengan fungsi pemanduan autonomi biasanya dilengkapi dengan pelbagai penderia maklumat data termasuk penderia kamera pandangan sekeliling, penderia lidar dan penderia radar gelombang milimeter untuk mengumpul maklumat dalam modaliti yang berbeza untuk mencapai tugas persepsi yang tepat. Algoritma persepsi BEV berdasarkan penglihatan tulen digemari oleh industri kerana kos perkakasannya yang rendah dan penggunaan mudah, dan hasil keluarannya boleh digunakan dengan mudah untuk pelbagai tugas hiliran.

Cabaran biasa yang dihadapi oleh algoritma pembelajaran mesin dalam C++ termasuk pengurusan memori, multi-threading, pengoptimuman prestasi dan kebolehselenggaraan. Penyelesaian termasuk menggunakan penunjuk pintar, perpustakaan benang moden, arahan SIMD dan perpustakaan pihak ketiga, serta mengikuti garis panduan gaya pengekodan dan menggunakan alat automasi. Kes praktikal menunjukkan cara menggunakan perpustakaan Eigen untuk melaksanakan algoritma regresi linear, mengurus memori dengan berkesan dan menggunakan operasi matriks berprestasi tinggi.

Lapisan bawah fungsi C++ sort menggunakan isihan gabungan, kerumitannya ialah O(nlogn), dan menyediakan pilihan algoritma pengisihan yang berbeza, termasuk isihan pantas, isihan timbunan dan isihan stabil.

Konvergensi kecerdasan buatan (AI) dan penguatkuasaan undang-undang membuka kemungkinan baharu untuk pencegahan dan pengesanan jenayah. Keupayaan ramalan kecerdasan buatan digunakan secara meluas dalam sistem seperti CrimeGPT (Teknologi Ramalan Jenayah) untuk meramal aktiviti jenayah. Artikel ini meneroka potensi kecerdasan buatan dalam ramalan jenayah, aplikasi semasanya, cabaran yang dihadapinya dan kemungkinan implikasi etika teknologi tersebut. Kecerdasan Buatan dan Ramalan Jenayah: Asas CrimeGPT menggunakan algoritma pembelajaran mesin untuk menganalisis set data yang besar, mengenal pasti corak yang boleh meramalkan di mana dan bila jenayah mungkin berlaku. Set data ini termasuk statistik jenayah sejarah, maklumat demografi, penunjuk ekonomi, corak cuaca dan banyak lagi. Dengan mengenal pasti trend yang mungkin terlepas oleh penganalisis manusia, kecerdasan buatan boleh memperkasakan agensi penguatkuasaan undang-undang

01Garis prospek Pada masa ini, sukar untuk mencapai keseimbangan yang sesuai antara kecekapan pengesanan dan hasil pengesanan. Kami telah membangunkan algoritma YOLOv5 yang dipertingkatkan untuk pengesanan sasaran dalam imej penderiaan jauh optik resolusi tinggi, menggunakan piramid ciri berbilang lapisan, strategi kepala pengesanan berbilang dan modul perhatian hibrid untuk meningkatkan kesan rangkaian pengesanan sasaran dalam imej penderiaan jauh optik. Menurut set data SIMD, peta algoritma baharu adalah 2.2% lebih baik daripada YOLOv5 dan 8.48% lebih baik daripada YOLOX, mencapai keseimbangan yang lebih baik antara hasil pengesanan dan kelajuan. 02 Latar Belakang & Motivasi Dengan perkembangan pesat teknologi penderiaan jauh, imej penderiaan jauh optik resolusi tinggi telah digunakan untuk menggambarkan banyak objek di permukaan bumi, termasuk pesawat, kereta, bangunan, dll. Pengesanan objek dalam tafsiran imej penderiaan jauh

Tutorial JavaScript: Bagaimana untuk mendapatkan kod status HTTP, contoh kod khusus diperlukan: Dalam pembangunan web, interaksi data dengan pelayan sering terlibat. Apabila berkomunikasi dengan pelayan, kami selalunya perlu mendapatkan kod status HTTP yang dikembalikan untuk menentukan sama ada operasi itu berjaya dan melaksanakan pemprosesan yang sepadan berdasarkan kod status yang berbeza. Artikel ini akan mengajar anda cara menggunakan JavaScript untuk mendapatkan kod status HTTP dan menyediakan beberapa contoh kod praktikal. Menggunakan XMLHttpRequest

1. Latar Belakang Pembinaan 58 Portrait Platform Pertama sekali, saya ingin berkongsi dengan anda latar belakang pembinaan 58 Portrait Platform. 1. Pemikiran tradisional platform pemprofilan tradisional tidak lagi mencukupi Membina platform pemprofilan pengguna bergantung pada keupayaan pemodelan gudang data untuk menyepadukan data daripada pelbagai barisan perniagaan untuk membina potret pengguna yang tepat untuk memahami tingkah laku, minat pengguna dan keperluan, dan menyediakan keupayaan sampingan, akhirnya, ia juga perlu mempunyai keupayaan platform data untuk menyimpan, bertanya dan berkongsi data profil pengguna dan menyediakan perkhidmatan profil dengan cekap. Perbezaan utama antara platform pemprofilan perniagaan binaan sendiri dan platform pemprofilan pejabat pertengahan ialah platform pemprofilan binaan sendiri menyediakan satu barisan perniagaan dan boleh disesuaikan atas permintaan platform pertengahan pejabat berkhidmat berbilang barisan perniagaan, mempunyai kompleks pemodelan, dan menyediakan lebih banyak keupayaan umum. 2.58 Potret pengguna latar belakang pembinaan potret di platform tengah 58

Ditulis di atas & Pemahaman peribadi penulis ialah dalam sistem pemanduan autonomi, tugas persepsi adalah komponen penting dalam keseluruhan sistem pemanduan autonomi. Matlamat utama tugas persepsi adalah untuk membolehkan kenderaan autonomi memahami dan melihat elemen persekitaran sekeliling, seperti kenderaan yang memandu di jalan raya, pejalan kaki di tepi jalan, halangan yang dihadapi semasa memandu, tanda lalu lintas di jalan raya, dan sebagainya, dengan itu membantu hiliran. modul Membuat keputusan dan tindakan yang betul dan munasabah. Kenderaan dengan keupayaan pemanduan autonomi biasanya dilengkapi dengan pelbagai jenis penderia pengumpulan maklumat, seperti penderia kamera pandangan sekeliling, penderia lidar, penderia radar gelombang milimeter, dsb., untuk memastikan kenderaan autonomi itu dapat melihat dan memahami persekitaran sekeliling dengan tepat. elemen , membolehkan kenderaan autonomi membuat keputusan yang betul semasa pemanduan autonomi. kepala
