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

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

  1. 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

  2. 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

  3. 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

  1. 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

  2. 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

  1. 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

  2. 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]

  3. 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

  4. 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

  1. 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 ...

  2. 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: ...

  3. (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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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 ...

  10. 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

  1. Android OpenGL ES入门

    1.OpenGL 和OpenGL ES OpenGL(Open Graphics Library)是一种用于渲染2D和3D图形的跨平台编程接口.OpenGL提供了一套标准的函数和接口,使开发人员能够在 ...

  2. Winform 控件库 MaterialSkin.2 使用教程(鸿蒙字体版)

    ️MaterialSkin.2 控件库在之前的文章中已经介绍过了,就不啰嗦了 - > Winform 好看控件库推荐:MaterialSkin.2 ️官方库里使用的是 Google 的 Robo ...

  3. .NET周刊【12月第1期 2023-12-06】

    国内文章 .NET 与 OpenEuler 共展翅,昇腾九万里 https://www.cnblogs.com/shanyou/p/17858385.html 本文介绍了openEuler操作系统,它 ...

  4. Scrapy如何在爬虫类中导入settings配置

    假设我们在settings.py定义了一个IP地址池 ##### 自定义设置 IP_PROXY_POOL = ( "127.0.0.1:6789", "127.0.0.1 ...

  5. Netty源码学习9——从Timer到ScheduledThreadPoolExecutor到HashedWheelTimer

    系列文章目录和关于我 一丶前言 之前在学习netty源码的时候,经常看netty hash时间轮(HashedWheelTimer)的出现,时间轮作为一种定时调度机制,在jdk中还存在Timer和Sc ...

  6. 生产升级JDK 17 必读手册

    原文点这里,查看更多优质文章 DK 17 在 2021 年 9 月 14 号正式发布了!根据发布的规划,这次发布的 JDK 17 是一个长期维护的版本(LTS). Java 17 提供了数千个性能.稳 ...

  7. [BUG]自定义登录引发的配置加载问题-bugspringsecurity

    title: [BUG]自定义登录引发的配置加载问题 date: 2021-12-10 16:43:36.311 updated: 2021-12-27 19:10:16.773 url: https ...

  8. vscode快速配置汇编环境

    微机原理的课程需要,简单快速记录环境的搭建 找到并安装插件masm. MASM/TASM的汇编工具默认是tasm这样就无法在vscode终端进行debug,打开插件设置如下修改: 测试代码实现小写字母 ...

  9. 云MSP技本功|基于OGG 实现Oracle到Kafka增量数据实时同步

    简介: 在大数据时代,存在大量基于数据的业务.数据需要在不同的系统之间流动.整合.通常,核心业务系统的数据存在OLTP数据库系统中,其它业务系统需要获取OLTP系统中的数据.传统的数仓通过批量数据同步 ...

  10. 聊聊 从源码来看ChatGLM-6B的模型结构

    基于ChatGLM-6B第一版,要注意还有ChatGLM2-6B以及ChatGLM3-6B 概述 ChatGLM是transformer架构的神经网络模型,因此从transformer结构入手,分析其 ...