首先说下算法对于前端的作用和应用
作用：不用说了提高效率和性能
应用：目前也是买了算法导论这本书，看得头晕，各种数学知识需要返回去重新认识，哎，终于知道了以前学的东西总有用的。。。，自己买的哭着也要读完，不扯了，直接说下现在已经应用的两个地方
1 trie树结构，对于后端扁平化数据转树形结构适用于前端的应用，终于把递归改成动规了
2 动态规划在前端瀑布流中的应用
第一点我也是看了这篇博客才下定决心迈向算法大坑的，具体不多说直接附上地址
第二点的动态规划参考以下博客，其中说的非常清晰，我主要是列举下对于此篇介绍中已实现的js，做 空间复杂度优化的代码，不足之处请指出
首先我是按照数据的倒退图里面以物品数组作为外层数组，背包容量作为内层数组的形式写的js（按照图的推导顺序）
1 用来生成随机大小的物品重量和价值数组
function getNum() { return parseInt(Math.random()*100+1); } function getArr(size) { var arr = []; for (var i = 0;i 2实现
function aaa(wight,value,all) { var startTime = new Date().getTime(); var returnList = []; for (var i = 0;i =0?nowV:0; fV = fV+(i>0&&returnList[i-1][lastW-1]?returnList[i-1][lastW-1]:0); var nV = i>0&&returnList[i-1][j]?returnList[i-1][j]:0; returnList[i][j] = Math.max(fV,nV); } } var endTime = new Date().getTime(); return returnList[wight.length-1][all-1]+"耗时："+(endTime-startTime)+"ms"; } console.log(aaa(weight,value,V));} 这种方式需要构建庞大的二维缓存数组（用来把每次的最优解存下），这一步完全可以优化成只构建上一步的最优解供给下一次使用
function bbb(wight,value,all) { var startTime = new Date().getTime(); var returnList = []; var returnList_prev = []; var flag = true; for (var i = 0;i =0?nowV:0; fV = fV+(i>0&&returnList_prev[lastW-1]?returnList_prev[lastW-1]:0); var nV = i>0&&returnList_prev[j]?returnList_prev[j]:0; returnList[j] = Math.max(fV,nV); } else { var fV = lastW>=0?nowV:0; fV = fV+(i>0&&returnList[lastW-1]?returnList[lastW-1]:0); var nV = i>0&&returnList[j]?returnList[j]:0; returnList_prev[j] = Math.max(fV,nV); } } flag = !flag; } var endTime = new Date().getTime(); return returnList[all-1]+"耗时："+(endTime-startTime)+"ms"; } console.log(bbb(weight,value,V));} 对比了两次的结果时间分别是：
可以看到bbb方法明显比aaa快了一倍之多
这里只是想把自己看书后应用的东西分享下，大家有更好的方法也可以指正-。-