Vue3 Diff算法之最长递增子序列,学不会来砍我!
专栏分享:vue2源码专栏,vue3源码专栏,vue router源码专栏,玩具项目专栏,硬核推荐
欢迎各位ITer关注点赞收藏
Vue2 Diff算法可以参考【Vue2.x源码系列08】Diff算法原理
Vue3 Diff算法可以参考【Vue3.x源码系列06】Diff算法原理
在 上一章结尾乱序比对 算法中,可以看到,我们倒序遍历了新的乱序节点,对每一个节点都进行了插入操作(移动节点位置),这就有点浪费性能。
我们能不能尽可能少的移动节点位置,又能保证节点顺序是正确的呢?
例如旧节点 1, 3, 4, 2,新节点 1, 2, 3, 4。那我们完全可以只将 2 移动到 3 前面,只需移动一次!就能保证顺序是正确的!!!
ok!我们可以针对于乱序比对中生成的数组 newIndexToOldIndexMap 获取最长递增子序列
注意!vue3 中的最长递增子序列算法求的是 最长递增子序列的对应索引,下面示例我们用的是最长递增子序列,便于直观理解,可读性+++
举个实际例子捋一下思路
请听题,有一个数组,[3, 2, 8, 9, 5, 6, 7, 11, 15] ,最终的最长递增子序列是什么?
// [2, 8, 9, 11, 15] No!这一个不是最长递增子序列
// [2, 5, 6, 7, 11, 15] 这一个才是最长的!
这个时候我们只需移动 9,8,3 三个节点即可,而不是全部节点!增子序列越长,所需要移动的节点次数就越少
我们可以利用 贪心算法 + 二分查找 获取原始的最长递增子序列,时间复杂度:O(NlogN)
// 3
// 2(2替换3)
// 2, 8
// 2, 8, 9
// 2, 5, 9(5替换掉8,二分查找,找到第一个比5大的进行替换,即所有大于当前值的结果中的最小值)
// 2, 5, 6(6替换掉9,二分查找,找到第一个比6大的进行替换)
// ...
// 2, 5, 6, 7, 11, 15(最长递增子序列)
由于贪心算法都是取当前局部最优解,有可能会导致最长递增子序列在原始数组中不是正确的顺序
例如数组:[3, 2, 8, 9, 5, 6, 7, 11, 15, 4],此算法求得结果如下。虽然序列不对,但序列长度是没问题的,在vue3 中我们会用 前驱节点追溯 来解决此问题
// 2, 4, 6, 7, 11, 15(最长递增子序列)
让我们整理一下思路,用代码实现此算法
遍历数组,如果当前这一项比我们最后一项大则直接放到末尾
如果当前这一项比最后一项小,需要在序列中通过二分查找找到比当前大的这一项,用他来替换掉
前驱节点追溯,替换掉错误的节点
最优情况
function getSequence(arr) {
const len = arr.length
const result = [0] // 默认以数组中第0个为基准来做序列,注意!!存放的是数组索引
let resultLastIndex // 结果集中最后的索引
for (let i = 0; i < len; i++) {
let arrI = arr[i]
// 因为在vue newIndexToOldIndexMap 中,0代表需要创建新元素,无需进行位置移动操作
if (arrI !== 0) {
resultLastIndex = result[result.length - 1]
if (arrI > arr[resultLastIndex]) { // 比较当前项和最后一项的值,如果大于最后一项,则将当前索引添加到结果集中
result.push(i) // 记录索引
continue
}
}
}
return result
}
// 最长递增子序列:[10, 11, 12, 13, 14, 15, 16]
// 最长递增子序列索引:[0, 1, 2, 3, 4, 5, 6]
const result = getSequence([10, 11, 12, 13, 14, 15, 16, 0])
console.log(result) // [0, 1, 2, 3, 4, 5, 6]
贪心+二分查找
遍历数组,如果当前这一项比我们最后一项大则直接放到末尾
如果当前这一项比最后一项小,需要在序列中通过二分查找找到比当前大的这一项,用他来替换掉
function getSequence(arr) {
const len = arr.length
const result = [0] // 默认以数组中第0个为基准来做序列,注意!!存放的是数组 索引
let resultLastIndex // 结果集中最后的索引
let start
let end
let middle
for (let i = 0; i < len; i++) {
let arrI = arr[i]
// 因为在vue newIndexToOldIndexMap 中,0代表需要创建新元素,无需进行位置移动操作
if (arrI !== 0) {
resultLastIndex = result[result.length - 1]
if (arrI > arr[resultLastIndex]) {
// 比较当前项和最后一项的值,如果大于最后一项,则将当前索引添加到结果集中
result.push(i) // 记录索引
continue
}
// 这里我们需要通过二分查找,在结果集中找到仅大于当前值的(所有大于当前值的结果中的最小值),用当前值的索引将其替换掉
// 递增序列 采用二分查找 是最快的
start = 0
end = result.length - 1
while (start < end) {
// start === end的时候就停止了 .. 这个二分查找在找索引
middle = ((start + end) / 2) | 0 // 向下取整
// 1 2 3 4 middle 6 7 8 9 6
if (arrI > arr[result[middle]]) {
start = middle + 1
} else {
end = middle
}
}
// 找到中间值后,我们需要做替换操作 start / end
if (arrI < arr[result[end]]) {
// 这里用当前这一项 替换掉以有的比当前大的那一项。 更有潜力的我需要他
result[end] = i
// p[i] = result[end - 1] // 记住他的前一个人是谁
}
}
}
return result
}
const result = getSequence([3, 2, 8, 9, 5, 6, 7, 11, 15])
console.log(result) // [1, 4, 5, 6, 7, 8] (结果是最长递增子序列的索引)
// 3
// 2(2替换3)
// 2, 8
// 2, 8, 9
// 2, 5, 9(5替换掉8,二分查找,找到第一个比5大的进行替换,即所有大于当前值的结果中的最小值)
// 2, 5, 6(6替换掉9,二分查找,找到第一个比6大的进行替换)
// ...
// 2, 5, 6, 7, 11, 15(最长递增子序列)
如果 newIndexToOldIndexMap 数组为 [102, 103, 101, 105, 106, 108, 107, 109, 104]
const result = getSequence([102, 103, 101, 105, 106, 108, 107, 109, 104])
console.log(result) // [2, 1, 8, 4, 6, 7](结果是最长递增子序列的索引)
// 102
// 102, 103
// 101, 103(102替换掉101,二分查找,找到第一个比101大的进行替换)
// 101, 103, 105
// 101, 103, 105, 106
// 101, 103, 105, 106, 108
// 101, 103, 105, 106, 107(107替换掉108,二分查找,找到第一个比107大的进行替换)
// 101, 103, 105, 106, 107, 109
// 101, 103, 104, 106, 107, 109(104替换掉105,二分查找,找到第一个比104大的进行替换)
得到的最长递增子序列为 101, 103, 104, 106, 107, 109,我们发现其在原始数组中并不是正确的顺序,虽然序列不对,但序列长度是没问题的。
下一章我们就以此为栗子,用 前驱节点追溯 纠正其错误的 101 和 104 节点
前驱节点追溯
再次提醒!最长递增子序列是 [101, 103, 104, 106, 107, 109], 最长递增子序列的索引是[2, 1, 8, 4, 6, 7],我们的 result 是最长递增子序列的索引 !!!
我们发现,只要把 101 替换为 102, 104 替换为 105 ,则序列就被纠正了,思路如下
创建一个 回溯列表 p
**[0, 0, 0, 0, 0, 0, 0, 0, 0]**,初始值均为0,长度和数组一样长,即传入getSequence 的数组记录每个节点的前驱节点。无论是 追加到序列末尾 还是 替换序列中的某一项,都要记录一下他前面的节点,最终生成一个回溯列表 p
[0, 0, 0, 1, 3, 4, 4, 6, 1]然后通过 序列的最后一项 109 对应的索引 7 往前回溯,p[7] 是 6,p[6] 是 4,p[4] 是 3 ......,最终得到
7 -> 6 -> 4 -> 3 -> 1 -> 0。因为是从后往前追溯的,result 则被纠正为
[0, 1, 3, 4, 6, 7],替换掉了顺序错误的节点
文字表达起来可能有点绕,可以看下这张图辅助理解

export function getSequence(arr) {
const len = arr.length
const result = [0] // 默认以数组中第0个为基准来做序列,注意!!存放的是数组 索引
let resultLastIndex // 结果集中最后的索引
let start
let end
let middle
const p = new Array(len).fill(0) // 最后要标记索引 放的东西不用关心,但是要和数组一样长
for (let i = 0; i < len; i++) {
let arrI = arr[i]
/** 当前这一项比我们最后一项大则直接放到末尾 */
if (arrI !== 0) {
// 因为在vue newIndexToOldIndexMap 中,0代表需要创建新元素,无需进行位置移动操作
resultLastIndex = result[result.length - 1]
if (arrI > arr[resultLastIndex]) {
// 比较当前项和最后一项的值,如果大于最后一项,则将当前索引添加到结果集中
result.push(i) // 记录索引
p[i] = resultLastIndex // 当前放到末尾的要记录他前面的索引,用于追溯
continue
}
/**这里我们需要通过二分查找,在结果集中找到仅大于当前值的(所有大于当前值的结果中的最小值),用当前值的索引将其替换掉 */
// 递增序列 采用二分查找 是最快的
start = 0
end = result.length - 1
while (start < end) {
// start === end的时候就停止了 .. 这个二分查找在找索引
middle = ((start + end) / 2) | 0 // 向下取整
// 1 2 3 4 middle 6 7 8 9 6
if (arrI > arr[result[middle]]) {
start = middle + 1
} else {
end = middle
}
}
// 找到中间值后,我们需要做替换操作 start / end
if (arrI < arr[result[end]]) {
// 这里用当前这一项 替换掉以有的比当前大的那一项。 更有潜力的我需要他
result[end] = i
p[i] = result[end - 1] // 记住他的前一个人是谁
}
}
}
// 1) 默认追加记录前驱索引 p[i] = resultLastIndex
// 2) 替换之后记录前驱索引 p[i] = result[end - 1]
// 3) 记录每个人的前驱节点
// 通过最后一项进行回溯
let i = result.length
let last = result[i - 1] // 找到最后一项
while (i > 0) {
i--
// 倒叙追溯
result[i] = last // 最后一项是确定的
last = p[last]
}
return result
}
优化Diff算法
我们求得是最长递增子序列的索引,若乱序节点的索引存在于最长递增子序列索引中,则跳过他,不移动。这样就最大限度减少了节点移动操作
利用最长递增子序列,优化Diff算法,代码如下
// 获取最长递增子序列索引
let increasingNewIndexSequence = getSequence(newIndexToOldIndexMap)
let j = increasingNewIndexSequence.length - 1
// 需要移动位置
// 乱序节点需要移动位置,倒序遍历乱序节点
for (let i = toBePatched - 1; i >= 0; i--) {
let index = i + s2 // i是乱序节点中的index,需要加上s2代表总节点中的index
let current = c2[index] // 找到当前节点
let anchor = index + 1 < c2.length ? c2[index + 1].el : null
if (newIndexToOldIndexMap[i] === 0) {
// 创建新元素
patch(null, current, container, anchor)
} else {
if (i != increasingNewIndexSequence[j]) {
// 不是0,说明已经执行过patch操作了
hostInsert(current.el, container, anchor)
} else {
// 跳过不需要移动的元素, 为了减少移动操作 需要这个最长递增子序列算法
j--
}
}
Vue3 Diff算法之最长递增子序列,学不会来砍我!的更多相关文章
- 算法实践--最长递增子序列(Longest Increasing Subsquence)
什么是最长递增子序列(Longest Increasing Subsquence) 对于一个序列{3, 2, 6, 4, 5, 1},它包含很多递增子序列{3, 6}, {2,6}, {2, 4, 5 ...
- Luogu 3402 最长公共子序列(二分,最长递增子序列)
Luogu 3402 最长公共子序列(二分,最长递增子序列) Description 经过长时间的摸索和练习,DJL终于学会了怎么求LCS.Johann感觉DJL孺子可教,就给他布置了一个课后作业: ...
- (转载)最长递增子序列 O(NlogN)算法
原博文:传送门 最长递增子序列(Longest Increasing Subsequence) 下面我们简记为 LIS. 定义d[k]:长度为k的上升子序列的最末元素,若有多个长度为k的上升子序列,则 ...
- 最长递增子序列 O(NlogN)算法
转自:点击打开链接 最长递增子序列,Longest Increasing Subsequence 下面我们简记为 LIS. 排序+LCS算法 以及 DP算法就忽略了,这两个太容易理解了. 假设存在一个 ...
- 算法设计 - LCS 最长公共子序列&&最长公共子串 &&LIS 最长递增子序列
出处 http://segmentfault.com/blog/exploring/ 本章讲解:1. LCS(最长公共子序列)O(n^2)的时间复杂度,O(n^2)的空间复杂度:2. 与之类似但不同的 ...
- HOJ 2985 Wavio Sequence(最长递增子序列以及其O(n*logn)算法)
Wavio Sequence My Tags (Edit) Source : UVA Time limit : 1 sec Memory limit : 32 M Submitted : 296, A ...
- 算法之动态规划(最长递增子序列——LIS)
最长递增子序列是动态规划中最经典的问题之一,我们从讨论这个问题开始,循序渐进的了解动态规划的相关知识要点. 在一个已知的序列 {a1, a 2,...an}中,取出若干数组成新的序列{ai1, ai ...
- 笔试算法题(35):最长递增子序列 & 判定一个字符串是否可由另一个字符串旋转得到
出题:求数组中最长递增子序列的长度(递增子序列的元素可以不相连): 分析: 解法1:应用DP之前需要确定当前问题是否具有无后效性,也就是每个状态都是对之前状态的一个总结,之后的状态仅会受到前一个状态的 ...
- 最长公共子序列(LCS)和最长递增子序列(LIS)的求解
一.最长公共子序列 经典的动态规划问题,大概的陈述如下: 给定两个序列a1,a2,a3,a4,a5,a6......和b1,b2,b3,b4,b5,b6.......,要求这样的序列使得c同时是这两个 ...
- 动态规划 - 最长递增子序列(LIS)
最长递增子序列是动态规划中经典的问题,详细如下: 在一个已知的序列{a1,a2,...,an}中,取出若干数组组成新的序列{ai1,ai2,...,aim},其中下标i1,i2,...,im保持递增, ...
随机推荐
- 吉特日化MES实施--三种浪费
在实施吉特日化MES系统的过程中,遇到各种问题,包括自身问题以及甲方问题,导致项目滞后延期的主要问题分析,汇总三种浪费: (1) 信息传递的浪费: 这个在甲方产品设计以及生产过程中出现的问题,也是我 ...
- [CF1854D] Michael and Hotel
题目描述 Michael and Brian are stuck in a hotel with $ n $ rooms, numbered from $ 1 $ to $ n $ , and nee ...
- 华企盾DSC无法从网页下载客户端(无法访问web端)
解决方法1:服务器安装目录需要安装在英文目录,否则DSCApache.exe会启动不了,导致无法访问5580网页. 解决方法2:5580端口占用也会导致DSCApache.exe启动不了,可打开服务器 ...
- NTP时间服务器优先级介绍
先思考一个问题:当一个客户端配置向多个NTP时间服务器校时,此时客户端优先向哪个时间服务器同步时间呢? 一个完整的NTP校时请求分四步: 1.客户端向服务器发起校时请求 2.服务器收到客户端发送的校时 ...
- mysql数据监控(db.odbc.select[])
监控项 : db.odbc.select[<unique short description>,<dsn>] #返回SQL查询结果的第一行的第一列中 Type 类型,选择监控 ...
- Spring Boot与Shiro和Mybatis整合
1:shiro是什么? Apache Shiro 是ASF旗下的一款开源软件 shrio是一款强大而灵活的安全框架 可为任何应用提供安全保障- 从命令行应用.移动应用到大型网络及企业应用 2:shir ...
- 聊聊ChatGLM中P-tuning v2的应用
论文PDF地址:https://arxiv.org/pdf/2110.07602.pdf 转载请备注出处:https://www.cnblogs.com/zhiyong-ITNote/ P-Tunin ...
- 使用XDT提高开发效率
使用XDT提高开发效率 XDT介绍 XDT(XML Document Transformation)技术是一种用于对XML文档进行转换的技术.它通常用于在部署或配置过程中,根据不同的环境或条件自动修改 ...
- 文心一言 VS 讯飞星火 VS chatgpt (34)-- 算法导论5.3 1题
一.Marceau 教授不同意引理 5.5 证明中使用的循环不变式.他对第1次送代之前循环不变式是否为真提出质疑.他的理由是,我们可以很容易宣称一个空数组不包含0排列.因此一个空的子数组包含一个0排列 ...
- 物联网常见协议之Amqp协议及使用场景解析
摘要:本文围绕AMQP协议,为大家详细解析AMQP协议.核心技术亮点.多协议之间的对比以及使用实践. 本文分享自华为云社区<物联网常见协议之Amqp协议及使用场景解析>,作者:张俭. 引言 ...