演算法diff

『壹』 react用虛擬dom有什麼好處

什麼是虛擬DOM（Virtual DOM）

首先，解釋下虛擬DOM。虛擬DOM保存了真實DOM的層次關系和一些基本屬性，與真實DOM一一對應。虛擬DOM的工作原理是：數據 -> 全新的虛擬DOM -> 與上一個狀態的虛擬DOM進行diff演算法比較，得到一個Patch -> 把這個Patch打到瀏覽器的DOM上。所以虛擬DOM叫的挺高端，其實就有點類似DocumentFragment，把多次DOM操作做一個批處理。於是，有一件很有意思的事情，如果你手動在DOM里刪除一些節點，使得虛擬DOM與真實DOM不能一一對應了，再改變state重新render頁面，頁面就亂了。

diff演算法

其次，想分享下diff演算法。前兩天看司徒正美推銷他的Avalon，也分析了下React，說了一句話，現在前端框架比的是演算法。diff演算法說白了就是比較兩個文件不同的演算法。一般diff演算法的復雜度是O(n3)。Facebook工程師根據前端頁面特點做了兩個假設（如果你好奇是什麼假設這么神奇，可以來問我），把比較前後兩個狀態虛擬DOM的diff演算法的復雜度降到了O(n)。這個diff演算法分為三部分，我用三句話總結：
1. 虛擬DOM樹同一位置不同類型（標簽不同）的節點：刪除前一狀態節點，插入後一狀態節點，哪怕節點有子節點也這樣做；
2. 虛擬DOM樹同一位置相同類型但個別屬性不同的節點，對前一狀態節點進行屬性重設；
3. 列表節點（就是我們用循環創建的類似Array的節點），如果沒有unique key（沒有控制台會報警告的）就按照前面兩種方式解決，如果有unique key就找到key相應的位置插入節點。
真的很簡單，印證了一句話，簡單的演算法往往效率最高，好像我做推薦演算法，單個演算法不混合的話，依然是協同過濾效果最好。

虛擬DOM快在哪裡

然後，js計算肯定要比DOM操作快啊，每次DOM操作都很有可能引起迴流(Reflow)和重繪(Repaint)啊。當然瀏覽器也不傻，不是你每次操作DOM瀏覽器都重繪一次，一般瀏覽器會按照時間或次數間隔進行DOM操作的批處理。那問題來了，到底是瀏覽器優化後的DOM批處理快，還是React的虛擬DOM+優化diff演算法快。這個我沒有測試過，根據博客上內容，React的優化更人性化、也更快。速度快肯定是虛擬DOM的一個優點，另外一點，瀏覽器對DOM操作批處理的主動權不在前端人員手中，React將這種批處理的時機選擇交到了我們手中，看我們什麼時候想render頁面。這個和AJAX+回調帶來的問題一樣，當我們發送一個AJAX，然後指定一個回調函數時候，對回調里代碼的控制權就交給瀏覽器了，所以前端人員常常感覺AJAX不可控，不知道回調什麼時候執行完了，頁面一大堆flag。

『貳』 用python語言 表示 更相減損法

先從網上摘錄一段演算法的描述如下：
更相減損法：也叫 更相減損術，是出自《 九章算術》的一種求最大公約數的演算法，它原本是為 約分而設計的，但它適用於任何需要求最大公約數的場合。
《九章算術》是中國古代的數學專著，其中的「更相減損術」可以用來求兩個數的最大公約數，即「可半者半之，不可半者，副置分母、子之數，以少減多，更相減損，求其等也。以等數約之。」
翻譯成現代語言如下：
第一步：任意給定兩個正整數；判斷它們是否都是偶數。若是，則用2約簡；若不是則執行第二步。
第二步：以較大的數減較小的數，接著把所得的差與較小的數比較，並以大數減小數。繼續這個操作，直到所得的減數和差相等為止。
看完上面的描述，我的第一反應是這個描述是不是有問題？從普適性來說的話，應該是有問題的。舉例來說，如果我求解4和4的最大公約數，可半者半之之後，結果肯定錯了！後面的演算法也不能夠進行！
不管怎麼說，先實現一下上面的演算法描述：
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))
不用說，上面程序執行錯誤百出。那麼該如何更正呢？
首先，除的2最終都應該再算回去！這樣，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))
通過修改，上面程序執行結果如下;
grey@DESKTOP-3T80NPQ:/mnt/e/01_workspace/11_演算法/01_TAOCP$ python max_com_divisor_gxjs.py
5
11
32
16
雖說這段程序寫出來看著有點怪怪的，但是總體的演算法還是實現了。與輾轉相除等演算法相比，這個在循環的層級上有一定的概率會減小。特別是最後的兩組測試數字對兒，這種情況下的效果要好一些。但是，總體上的演算法的效率，現在我還不能夠給個准確的衡量。

『叄』 有關內懲罰函數演算法matlab程序

這個代碼的問題在於沒有將subs函數轉換為數值，所以在下面求inv的時候會超級慢，修改過的代碼如下：

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』 如何求變數的二階導數

用ode45求解一組六元一階微分方程組也就是說，微分方程組裡面不含y(1)的二階導，這樣的話，你直接可以將y1-y6求出。求出數值後，根據數值來求導啊。

『伍』 同一副圖多周期macd同時顯示diff的演算法問題

你這公式的演算法跟顯示macd多周期dif值一點關系都沒有。所以談不上准確不準確的問題，再有90分鍾的顯示不了。

『陸』 diff演算法是什麼

diff演算法是虛擬DOM中採用的演算法。

把樹形結構按照層級分解，只比較同級元素。不同層級的節點只有創建和刪除操作。給列表結構的每個單元添加唯一的key屬性，方便比較。

相關信息：

React只會匹配相同class的component。合並操作，調用component 的 setState 方法的時候，React將其標記為dirty。

到每一個事件循環結束，React 檢查所有標記 dirty 的 component 重新繪制。選擇性子樹渲染。開發人員可以重寫 shouldComponentUpdate 提高 diff 的性能。

『柒』 前端需要計算題嗎

演算法是編程的"里子",不管你是前端還是後端,作為一名計算機工程師,具備一定的演算法能力,是一種基本要求.具體一點,我們是來講演算法在前端工作中應用.web前端工作中,確實沒有太多演算法上的需求.以vue等著名框架的虛擬dom的diff演算法來講,框架已經被很好的實現了,你在使用框架的時候是不會涉及到具體的diff演算法.但是理解演算法,可以讓你更好的理解框架,從而也能更好的使用框架,提高頁面的性能.再寬泛的來講演算法,很多特殊的需求也會需要你來設計一個演算法.比如某個需求有很多個非同步請求要發送給伺服器,全部完成之後,可以繼續下一件事情.可能很多人要說,這個很簡單,一個Promise.all就可以解決。
但是請你考慮下面稍有變化的情況,因為伺服器的壓力問題,限制同一個客戶端只能在同一時間只能發送2個非同步請求,所以你就必須對Promise.all做出適當的修改在這樣的情況下,你就需要設計到一套演算法去高效完成它。希望我的回答對你有幫助，歡迎採納我的回答，謝謝。

『捌』 vue需要使用key來給每個節點做一個唯一標識，Diff演算法就可以正確的識別此節點，更高效的更新虛擬DOM嗎

是的。頁面的數據變化時，Diff演算法會比較同層級節點。當有唯一標識的時候，虛擬DOM可以識別位置，更新相應節點；無唯一標識的時候，會更新同層級節點。數據量大的時候明顯更快。

『玖』 Diff 演算法的原理是什麼，怎樣學習和理解

建議千萬不要一開始就看《演算法導論》，這本書有太多關於演算法的數學證明（如果你喜歡這種，那麼你就看這本）
我強烈你看看這本：演算法（第4版） (豆瓣)，作者是高德納的學生：塞奇威克 (Robert Sedgewick)
去年我在准備校招面試的時候偶然發現這本書，我越看越著迷，書中演算法代碼主要是用Java編寫，裡面有大量的圖來讓你明白例如：排序，查找，樹和圖的演算法運行過程。

這本書的目錄編排也很清晰，他就告訴你演算法主要就可以分為：排序，查找，圖和字元串。從這4個方面可以演化出很多演算法。

我覺得最關鍵是：這本書的作者不但是在告訴你what，而且告訴你why（分析各種演算法的優缺點）

。