JS算法-杨辉三角

简介: JS算法-杨辉三角

题目


给定一个非负整数 numRows 生成「杨辉三角」的前 numRows 行。


在「杨辉三角」中,每个数是它左上方和右上方的数的和。

输入: numRows = 5
输出: [[1],[1,1],[1,2,1],[1,3,3,1],[1,4,6,4,1]]


题解


第一种


我们先输入行数numRows,输出一个包含numRows行数的二维数组,首先声明了一个空数组 res,这个数组是用来储存杨辉三角的,然后调用了一个名字为 sub 的递归函数,这个函数分别接收当前行数 row、总行数 numRows 和数组 arr 作为参数。事实上,这个函数就是用来生成杨辉三角的,函数首先声明一个名为 temp 的空数组,用来储存当前行的数值。如果当前行数小于总行数,开始生成杨辉三角,第一个如果判断是当 row = 0,也就是第一行。第一行只有一个1,所以直接将1 push 进 temp 数组中,接下来就是处理从第二行开始的情况,left 和 right 是当前位置的两个紧贴着的数,如果该数不在当前行的范围内,则将其视为0,于是将 left 和 right 相加,将结果 push 进 temp 数组中,这样就完成了当前行的生成,接下来将 temp 数组 push 进 arr 数组中,用来存储整个杨辉三角,然后调用 sub 函数,传入当前行数 row 加 1,总行数 numRows 和 arr 数组,开始递归,生成下一行,当递归完成后,返回 arr 数组,完成杨辉三角的生成

var generate = function(numRows) {
  let res = []
  return sub(0, numRows, res)
}
var sub = function(row, numRows, arr) {
  let temp = []
  if (row < numRows) {
    for (let i = 0; i <= row; i++) {
      if (row === 0) {
        temp.push(1)
      } else {
        let left = i-1 >= 0 ? arr[row-1][i-1] : 0
        let right = i < arr[row-1].length ? arr[row-1][i] : 0
        temp.push(left+right)
      }
    }
    arr.push(temp)
    sub(++row, numRows, arr)
    return arr
  }
}


第二种


根据输入的行数numRows,生成一个杨辉三角形状的二维数字数组。其中,第一行是[1],第二行是[1,1],第三行是[1,2,1],依此类推。每个数字是由上一行相邻两个数字相加而来。我们可以通过循环和条件判断来实现这个生成过程。首先,我们创建一个由numRows个子数组组成的二维数组arr。其中,每个子数组的长度为索引值加一,每个元素的初始值都为1,接着,我们通过两层循环来遍历二维数组,并计算每个元素的值。具体来说,外层循环控制行数i,内层循环控制列数j。在每次循环中,我们判断当前的坐标(i,j)是否符合条件,即i>1j>0j<i+1。如果符合条件,就根据公式arr[i][j] = arr[i - 1][j - 1] + arr[i - 1][j]来计算当前元素的值。这个公式表示当前元素的值等于上一行左侧元素和上一行当前位置元素之和。最终,我们返回得到的二维数组arr。

var generate = function (numRows) {
  const arr = Array.from({ length: numRows }, (_, i) =>
    Array.from({ length: i + 1 }, (_, i) => 1)
  );
  for (let i = 0; i < numRows; i++) {
    for (let j = 0; j < i; j++) {
      if (i > 1 && j > 0 && j < i + 1) {
        arr[i][j] = arr[i - 1][j - 1] + arr[i - 1][j];
      }
    }
  }
  return arr;
};
相关文章
|
6天前
|
监控 算法 JavaScript
基于 Node.js Socket 算法搭建局域网屏幕监控系统
在数字化办公环境中,局域网屏幕监控系统至关重要。基于Node.js的Socket算法实现高效、稳定的实时屏幕数据传输,助力企业保障信息安全、监督工作状态和远程技术支持。通过Socket建立监控端与被监控端的数据桥梁,确保实时画面呈现。实际部署需合理分配带宽并加密传输,确保信息安全。企业在使用时应权衡利弊,遵循法规,保障员工权益。
20 7
|
4天前
|
存储 监控 JavaScript
深度探秘:运用 Node.js 哈希表算法剖析员工工作时间玩游戏现象
在现代企业运营中,确保员工工作时间高效专注至关重要。为应对员工工作时间玩游戏的问题,本文聚焦Node.js环境下的哈希表算法,展示其如何通过快速查找和高效记录员工游戏行为,帮助企业精准监测与分析,遏制此类现象。哈希表以IP地址等为键,存储游戏网址、时长等信息,结合冲突处理与动态更新机制,确保数据完整性和时效性,助力企业管理层优化工作效率。
16 3
|
4月前
|
算法 JavaScript 前端开发
第一个算法项目 | JS实现并查集迷宫算法Demo学习
本文是关于使用JavaScript实现并查集迷宫算法的中国象棋demo的学习记录,包括项目运行方法、知识点梳理、代码赏析以及相关CSS样式表文件的介绍。
第一个算法项目 | JS实现并查集迷宫算法Demo学习
|
5月前
|
JavaScript 算法 前端开发
JS算法必备之String常用操作方法
这篇文章详细介绍了JavaScript中字符串的基本操作,包括创建字符串、访问特定字符、字符串的拼接、位置查找、大小写转换、模式匹配、以及字符串的迭代和格式化等方法。
JS算法必备之String常用操作方法
|
5月前
|
JavaScript 算法 前端开发
JS算法必备之Array常用操作方法
这篇文章详细介绍了JavaScript中数组的创建、检测、转换、排序、操作方法以及迭代方法等,提供了数组操作的全面指南。
JS算法必备之Array常用操作方法
|
5月前
|
算法 JavaScript 前端开发
国标非对称加密:RSA算法、非对称特征、js还原、jsencrypt和rsa模块解析
国标非对称加密:RSA算法、非对称特征、js还原、jsencrypt和rsa模块解析
356 1
|
5月前
|
JavaScript 算法 前端开发
"揭秘Vue.js的高效渲染秘诀:深度解析Diff算法如何让前端开发快人一步"
【8月更文挑战第20天】Vue.js是一款备受欢迎的前端框架,以其声明式的响应式数据绑定和组件化开发著称。在Vue中,Diff算法是核心之一,它高效计算虚拟DOM更新时所需的最小实际DOM变更,确保界面快速准确更新。算法通过比较新旧虚拟DOM树的同层级节点,递归检查子节点,并利用`key`属性优化列表更新。虽然存在局限性,如难以处理跨层级节点移动,但Diff算法仍是Vue高效更新机制的关键,帮助开发者构建高性能Web应用。
86 1
|
5月前
|
算法 JavaScript 前端开发
对称加密算法解析:DES、AES及其在`pycryptodome` 和 `crypto-js` 模块中的应用
对称加密算法解析:DES、AES及其在`pycryptodome` 和 `crypto-js` 模块中的应用
232 1
|
12天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
145 80
|
16小时前
|
机器学习/深度学习 数据采集 算法
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测,采用CNN-GRU-SAM网络结构。卷积层提取局部特征,GRU层处理长期依赖,自注意力机制捕捉全局特征。完整代码含中文注释和操作视频,运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数,最终输出预测结果。适用于金融市场、气象预报等领域。
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真