js实战算法

1. Web前端工程师你知道javaScript中常用的排序算法吗

今天小编要跟大家分享的文章是关于JavaScript中常用的排序算法。相信很多刚刚从事Web前端工作或者准备面试的小伙伴们对此还不是很了解，下面就让小编来为大家介绍一下吧！


一、冒泡排序


冒泡排序是我们在编程算法中，算是比较常用的排序算法之一，在学习阶段，也是最需要接触理解的算法，所以我们放在第一个来学习。


算法介绍：


·___冉舷嗔诘牧礁鲈,如果前一个比后一个大，则交换位置。


·___谝宦职炎畲蟮脑胤诺搅俗詈竺妗


·___捎诿看闻判蜃詈笠桓龆际亲畲蟮模灾蟀凑詹街1排序最后一个元素不用比较。

冒泡算法改进：


设置一个标志，如果这一趟发生了交换，则为true。否则为false。如果这一趟没有发生交换，则说明排序已经完成。代码如下：

假如数组长度是20，如果只有前十位是无序排列的，后十位是有序且都大于前十位，所以第一趟遍历排序的时候发生交换的位置必定小于10，且该位置之后的必定有序，我们只需要排序好该位置之前的就可以，因此我们要来标记这个位置就可以了，即可以记录每次扫描中最后一次交换的位置，下次扫描的时候只要扫描到上次的最后交换位置就行了，因为后面的都是已经排好序的，无需再比较，代码如下：

每一次循环从两头出发算出最大和最小值，代码如下：

在代码3的基础上记录每次扫描最后一次交换的位置，下次扫描的时候只要扫描到上次的最后交换位置就行，同代码2，代码如下：

二、快速排序


算法介绍：


快速排序是对冒泡排序的一种改进，第一趟排序时将数据分成两部分，一部分比另一部分的所有数据都要小。然后递归调用，在两边都实行快速排序。

三、选择排序


算法介绍：


选择排序就是从一个未知数据空间里，选取之最放到一个新的空间

四、插入排序


算法介绍：


·___拥谝桓瞿媳慌藕眯虻脑乜


·___〕鱿乱桓鲈兀谝丫判虻脑匦蛄兄写雍笙蚯吧_


·___绻雅判虻脑卮笥谌〕龅脑兀蚪浞直鹣蚝笠贫晃


·___钡秸业揭雅判虻脑刂行∮诨虻扔谌〕龅脑兀〕龅脑胤诺剿暮笠晃


·___馗床街2

插入排序算法改进-二分法插入排序：

以上就是小编今天为大家分享的JavaScript中常用的排序算法的文章，文章中介绍的是四种比较基础的排序方法，JavaScript的排序算法还有很多，这是我们4种最常见也是最基本的算法，掌握理解好，在面试和开发中也能从容应对了。想要了解更多Web前端知识记得关注北大青鸟Web培训官网哦。最后祝愿小伙伴们工作顺利！


本文转自前端研究所。


*声明：内容与图片均来源于网络（部分内容有修改），版权归原作者所有，如来源信息有误或侵犯权益，请联系我们删除或授权事宜。

2. 如何用js实现线性回归算法

可以用函数 regress( )来解决。
[b,bint,r,rint,stats] = regress(y,X)
b——拟合线性函数的系数
bint——系数b的置信区间
r——残值向量
rint——残值的置信区间
stats——检验统计量，第一值是回归方程的置信度，第二值是F统计量，第三值是与F统计量相应的p值，当p值很小，说明回归模型成立
X——自变量向量，X=[ones(3,1) x1 x2 x3]
y——应变量向量

3. JS数组有哪些常见算法

合并数组 - concat()
用数组的元素组成字符串 - join()
删除数组的最后一个元素 - pop()
数组的末尾添加新的元素 - push()
将一个数组中的元素的顺序反转排序 - reverse()
删除数组的第一个元素 - shift()
从一个数组中选择元素 - slice()
数组排序（按字母顺序或数字大小升序）- sort()
在数组的第2位置添加元素 - splice()
var fruits = ["Banana", "Orange", "Apple", "Mango"];
fruits.splice(2,0,"Lemon","Kiwi");
转换数组到字符串 -toString()
在数组的开头添加新元素 - unshift()

4. 用js（java script）编写最佳置换算法或者先进先出置换算法

要说编程，容易也容易，难也难。关键在于你怎么学，学习编程，关键是要有持之以恒坚持下去的心态，不能坚持什么也做不好。除此之外的还要有合适的学习技巧。两者相结合，编程没有什么难得。下面诚筑说小编分享一下java学习体会，希望能帮助到大家。

2

学习java的体会一

首先，先放开JAVA，学习HTML技术，其中包括HTML5，CSS3，JavaScript ES6，当然，还包括各种前端框架，鉴于目前前端水太深，不建议深入学习一些架构型的框架，比如React，Angular这些，暂时只需要掌握jQuery就行了。这些前端技术会帮你构建出管理系统的界面，毕竟你的程序不能跑在命令行终端里是不是。

然后开始学JAVA，J2SE基础部分，掌握JAVA的面向对象思想，众多集合类的使用。这里，本着实用主义的态度，建议题主暂时先不要考虑JAVA中的多线程、反射等技术，在了解基本语法和集合类的数据结构后，可以立刻转向“了解”JDBC和数据库。

3

学习java的体会二

一些Java基础，比如各种容器的使用，泛型编程，多线程模型，面向对象的特性，反射，构建系统，单元测试框架等等。如果是这些，那我认为题主千万不要“搁置”，因为这些内容是学习Java必须要掌握的，基本上每一个项目都会直接/间接用到。如果这时搁置起来，就相当于半途而废，想做出一个满足功能需求的Java项目都会有困难。

如果已经掌握了以上知识，想看一些高级点的知识：各种垃圾回收算法，并发库，一套又一套的“企业级”框架或者J2EE容器，又或者是底层的网络编程模型。那么我认为题主学Java已经有了阶段性的成果，可以将这些暂时搁置，一时兴起时翻一翻，做个Demo，或者遇到实际需求时再学。

4

学习java的体会三

直到今天，我还是会经常专研一个技术点，比如js的一个矩阵算法，实现色彩的霓虹灯变换;亦或是，Java多线程内存自动优化技术。我会去专研，而且总会研究出比我目前技术水平还高一点点的技术，这样我才能不断的拔高，而且出类拔萃，这是一般程序员没有做到的，当你做到了，你就更牛了。

如果仅仅学了些皮毛，高手写的程序你是望尘莫及的。在学习的过程中，书籍永远是知识最好的载体，很多优秀的程序员大师精心编撰的编程书籍，富含的不仅仅是一些知识，更多的是他们所传授的思想，通过看书，专研书籍中的内容，会让你变得更加聪明，写的程序也更加的精炼。

5

学习java的体会四

了解JAVA的原理，才有可能真正体会JAVA的一切，学习任何事情，只要能掌握原理，就会比较顺利。学习JAVA语言很简单，毕竟JAVA语言也只包含五十多个关键词(keyword)与几十个算符(operator)，再加上JAVA语法(syntax)也很简单，所以一般人可以很快就学会JAVA语言。

学会JAVA语言之后，还需要学会一些API才能写出有用的程序。JAVA的API非常多，必须规划好一个学习路径，才不会在浩瀚的API大海中迷失。必备的API包括了：IO、New IO、Collection Framework、Network、RMI、JAXP等。

5. JS常见排序算法

排序算法说明:

（1）对于评述算法优劣术语的说明

稳定 ：如果a原本在b前面，而a=b，排序之后a仍然在b的前面；

不稳定 ：如果a原本在b的前面，而a=b，排序之后a可能会出现在b的后面；

内排序 ：所有排序操作都在内存中完成；

外排序 ：由于数据太大，因此把数据放在磁盘中，而排序通过磁盘和内存的数据传输才能进行；

时间复杂度 : 一个算法执行所耗费的时间。

空间复杂度 : 运行完一个程序所需内存的大小。

(2)排序算法图片总结:

1.冒泡排序:

解析：1.比较相邻的两个元素，如果前一个比后一个大，则交换位置。

2.第一轮的时候最后一个元素应该是最大的一个。

3.按照步骤一的方法进行相邻两个元素的比较，这个时候由于最后一个元素已经是最大的了，所以最后一个元素不用比较。

2.快速排序:

解析：快速排序是对冒泡排序的一种改进，第一趟排序时将数据分成两部分，一部分比另一部分的所有数据都要小。然后递归调用，在两边都实行快速排序。

3.插入排序:

解析：

 （1） 从第一个元素开始，该元素可以认为已经被排序

 （2） 取出下一个元素，在已经排序的元素序列中从后向前扫描

 （3） 如果该元素（已排序）大于新元素，将该元素移到下一位置

 （4） 重复步骤3，直到找到已排序的元素小于或者等于新元素的位置

 （5）将新元素插入到下一位置中

 （6） 重复步骤2

2.二分查找:

解析：二分查找，也为折半查找。首先要找到一个中间值，通过与中间值比较，大的放又，小的放在左边。再在两边中寻找中间值，持续以上操作，直到找到所在位置为止。

（1）递归方法

（2）非递归方法

4.选择排序:

解析:首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。

以此类推，直到所有元素均排序完毕。

5.希尔排序:

解析:先将整个待排序的记录序列分割成为若干子序列分别进行直接插入排序

6.归并排序:

解析:归并排序是一种稳定的排序方法。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。

7.堆排序:

解析:堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是

小于（或者大于）它的父节点。

8.计数排序:

 解析:计数排序使用一个额外的数组C，其中第i个元素是待排序数组A中值等于i的元素的个数。然后根据数组C来将A中的元素排到正确的位置。它只能对整数进行排序。

9.桶排序:

解析:假设输入数据服从均匀分布，将数据分到有限数量的桶里，每个桶再分别排序（有可能再使用别的排序算法或是以递归方式继续使用桶排序进行排

10.基数排序:

解析:基数排序是按照低位先排序，然后收集；再按照高位排序，然后再收集；依次类推，直到最高位。有时候有些属性是有优先级顺序的，先按低优先级排序，再按高优

先级排序。最后的次序就是高优先级高的在前，高优先级相同的低优先级高的在前。基数排序基于分别排序，分别收集，所以是稳定的。

基数排序 vs 计数排序 vs 桶排序

这三种排序算法都利用了桶的概念，但对桶的使用方法上有明显差异：

基数排序：根据键值的每位数字来分配桶 计数排序：每个桶只存储单一键值 桶排序：每个桶存储一定范围的数值

6. 求一个JavaScript算法

首先对你关注用户体验的精神表示支持。

仅对于你的问题补充进行一下交流：
因为用户的录入方式还是比较花样繁多的，所以你的验证js也许还会面临一些挑战。
比如你既然想到了backspace键，那么对于delete键如何处理呢，如果当作非法键来处理的话，对于习惯小键盘录入数字的人来说还是不太舒服的。
或是用户选中文本框内一部分数字后按下backspace键，或是用户调用输入法，或是ctrl+v粘贴入文本......

当然我绝对不是在挑错找碴，只是提一些建议：
如果需要适应这些录入方式的话，必然要写很多的js代码，并且有一个问题：用户可以禁掉javascript。所以觉得对于验证而言，后台为主，js在前台为辅。我们的最终目的其实只有两种，对于正确录入值进行操作，对于错误值进行拦截。当然话说回来，如果你的需求确实是严苛的前台验证的话，那加油吧。

以上。

7. 使用Node.js如何实现K最近邻分类算法

源于数据挖掘的一个作业， 这里用Node.js技术来实现一下这个机器学习中最简单的算法之一k-nearest-neighbor算法(k最近邻分类法)。
k-nearest-neighbor-classifier
还是先严谨的介绍下。急切学习法（eager learner）是在接受待分类的新元组之前就构造了分类模型，学习后的模型已经就绪，急着对未知的元组进行分类，所以称为急切学习法，诸如决策树归纳，贝叶斯分类等都是急切学习法的例子。惰性学习法（lazy learner）正好与其相反，直到给定一个待接受分类的新元组之后，才开始根据训练元组构建分类模型，在此之前只是存储着训练元组，所以称为惰性学习法，惰性学习法在分类进行时做更多的工作。
本文的knn算法就是一种惰性学习法，它被广泛应用于模式识别。knn基于类比学习，将未知的新元组与训练元组进行对比，搜索模式空间，找出最接近未知元组的k个训练元组，这里的k即是knn中的k。这k个训练元祖就是待预测元组的k个最近邻。
balabala了这么多，是不是某些同学想大喊一声..speak Chinese! 还是来通俗的解释下，然后再来看上面的理论应该会明白很多。小时候妈妈会指着各种各样的东西教我们，这是小鸭子，这个红的是苹果等等，那我们哼哧哼哧的看着应答着，多次被教后再看到的时候我们自己就能认出来这些事物了。主要是因为我们在脑海像给这个苹果贴了很多标签一样，不只是颜色这一个标签，可能还有苹果的形状大小等等。这些标签让我们看到苹果的时候不会误认为是橘子。其实这些标签就对应于机器学习中的特征这一重要概念，而训练我们识别的过程就对应于泛化这一概念。一台iphone戴了一个壳或者屏幕上有一道划痕，我们还是能认得出来它，这对于我们人来说非常简单，但蠢计算机就不知道怎么做了，需要我们好好调教它，当然也不能过度调教2333，过度调教它要把其他手机也认成iphone那就不好了，其实这就叫过度泛化。
所以特征就是提取对象的信息，泛化就是学习到隐含在这些特征背后的规律，并对新的输入给出合理的判断。
我们可以看上图，绿色的圆代表未知样本，我们选取距离其最近的k个几何图形，这k个几何图形就是未知类型样本的邻居，如果k=3，我们可以看到有两个红色的三角形，有一个蓝色的三正方形，由于红色三角形所占比例高，所以我们可以判断未知样本类型为红色三角形。扩展到一般情况时，这里的距离就是我们根据样本的特征所计算出来的数值，再找出距离未知类型样本最近的K个样本，即可预测样本类型。那么求距离其实不同情况适合不同的方法，我们这里采用欧式距离。
综上所述knn分类的关键点就是k的选取和距离的计算。
2. 实现
我的数据是一个xls文件，那么我去npm搜了一下选了一个叫node-xlrd的包直接拿来用。
// node.js用来读取xls文件的包
var xls = require('node-xlrd');
然后直接看文档实例即可，把数据解析后插入到自己的数据结构里。
var data = [];// 将文件中的数据映射到样本的属性var map = ['a','b','c','d','e','f','g','h','i','j','k'];// 读取文件
xls.open('data.xls', function(err,bk){
if(err) {console.log(err.name, err.message); return;}
var shtCount = bk.sheet.count;
for(var sIdx = 0; sIdx < shtCount; sIdx++ ){
var sht = bk.sheets[sIdx],
rCount = sht.row.count,
cCount = sht.column.count;
for(var rIdx = 0; rIdx < rCount; rIdx++){
var item = {};
for(var cIdx = 0; cIdx < cCount; cIdx++){
item[map[cIdx]] = sht.cell(rIdx,cIdx);
}
data.push(item);
}
}
// 等文件读取完毕后 执行测试
run();
});
然后定义一个构造函数Sample表示一个样本，这里是把刚生成的数据结构里的对象传入，生成一个新的样本。
// Sample表示一个样本
var Sample = function (object) {
// 把传过来的对象上的属性克隆到新创建的样本上
for (var key in object)
{
// 检验属性是否属于对象自身
if (object.hasOwnProperty(key)) {
this[key] = object[key];
}
}
}
再定义一个样本集的构造函数
// SampleSet管理所有样本 参数k表示KNN中的kvar SampleSet = function(k) {
this.samples = [];
this.k = k;
};
// 将样本加入样本数组
SampleSet.prototype.add = function(sample) {
this.samples.push(sample);
}
然后我们会在样本的原型上定义很多方法，这样每个样本都可以用这些方法。
// 计算样本间距离 采用欧式距离
Sample.prototype.measureDistances = function(a, b, c, d, e, f, g, h, i, j, k) {
for (var i in this.neighbors)
{
var neighbor = this.neighbors[i];
var a = neighbor.a - this.a;
var b = neighbor.b - this.b;
var c = neighbor.c - this.c;
var d = neighbor.d - this.d;
var e = neighbor.e - this.e;
var f = neighbor.f - this.f;
var g = neighbor.g - this.g;
var h = neighbor.h - this.h;
var i = neighbor.i - this.i;
var j = neighbor.j - this.j;
var k = neighbor.k - this.k;
// 计算欧式距离
neighbor.distance = Math.sqrt(a*a + b*b + c*c + d*d + e*e + f*f + g*g + h*h + i*i + j*j + k*k);
}
};
// 将邻居样本根据与预测样本间距离排序
Sample.prototype.sortByDistance = function() {
this.neighbors.sort(function (a, b) {
return a.distance - b.distance;
});
};
// 判断被预测样本类别
Sample.prototype.guessType = function(k) {
// 有两种类别 1和-1
var types = { '1': 0, '-1': 0 };
// 根据k值截取邻居里面前k个
for (var i in this.neighbors.slice(0, k))
{
var neighbor = this.neighbors[i];
types[neighbor.trueType] += 1;
}
// 判断邻居里哪个样本类型多
if(types['1']>types['-1']){
this.type = '1';
} else {
this.type = '-1';
}
}
注意到我这里的数据有a-k共11个属性，样本有1和-1两种类型，使用truetype和type来预测样本类型和对比判断是否分类成功。
最后是样本集的原型上定义一个方法，该方法可以在整个样本集里寻找未知类型的样本，并生成他们的邻居集，调用未知样本原型上的方法来计算邻居到它的距离，把所有邻居按距离排序，最后猜测类型。
// 构建总样本数组，包含未知类型样本
SampleSet.prototype.determineUnknown = function() {

for (var i in this.samples)
{
// 如果发现没有类型的样本
if ( ! this.samples[i].type)
{
// 初始化未知样本的邻居
this.samples[i].neighbors = [];
// 生成邻居集
for (var j in this.samples)
{
// 如果碰到未知样本 跳过
if ( ! this.samples[j].type)
continue;
this.samples[i].neighbors.push( new Sample(this.samples[j]) );
}
// 计算所有邻居与预测样本的距离
this.samples[i].measureDistances(this.a, this.b, this.c, this.d, this.e, this.f, this.g, this.h, this.k);
// 把所有邻居按距离排序
this.samples[i].sortByDistance();
// 猜测预测样本类型
this.samples[i].guessType(this.k);
}
}
};
最后分别计算10倍交叉验证和留一法交叉验证的精度。
留一法就是每次只留下一个样本做测试集，其它样本做训练集。
K倍交叉验证将所有样本分成K份，一般均分。取一份作为测试样本，剩余K-1份作为训练样本。这个过程重复K次，最后的平均测试结果可以衡量模型的性能。
k倍验证时定义了个方法先把数组打乱随机摆放。
// helper函数 将数组里的元素随机摆放
function ruffle(array) {
array.sort(function (a, b) {
return Math.random() - 0.5;
})
}
剩余测试代码好写，这里就不贴了。
测试结果为
用余弦距离等计算方式可能精度会更高。
3. 总结
knn算法非常简单，但却能在很多关键的地方发挥作用并且效果非常好。缺点就是进行分类时要扫描所有训练样本得到距离，训练集大的话会很慢。
可以用这个最简单的分类算法来入高大上的ML的门，会有点小小的成就感。

8. web前端javascript能实现什么算法或者计算

在Web开发中，JavaScript很重要，算法也很重要。下面整理了一下一些常见的算法在JavaScript下的实现，包括二分法、求字符串长度、数组去重、插入排序、选择排序、希尔排序、快速排序、冒泡法等等。仅仅是为了练手，不保证高效与美观，或许还有Bug，有时间再完善吧。

1.二分法：

function binary(items,value){

var startIndex=0,

stopIndex=items.length-1,

midlleIndex=(startIndex+stopIndex)>>>1;

while(items[middleIndex]!=value && startIndex

if(items[middleIndex]>value){

stopIndex=middleIndex-1;

}else{

startIndex=middleIndex+1;

}

middleIndex=(startIndex+stopIndex)>>>1;

}

return items[middleIndex]!=value ? false:true;

}

2.十六进制颜色值的随机生成：

function randomColor(){

var arrHex=["0","2","3","4","5","6","7","8","9","a","b","c","d"],

strHex="#",

index;

for(var i=0;i < 6; i++){

index=Math.round(Math.random()*15);

strHex+=arrHex[index];

}

return strHex;

}

一个求字符串长度的方法：

function GetBytes(str){

var len=str.length,

bytes=len;

for(var i=0;i < len;i++){

if(str.CharCodeAt>255){

bytes++;

}

}

return bytes;

}

3.js实现数组去重：

Array.protype.delRepeat=function(){

var newArray=new Array();

var len=this.length;

for(var i=0;i < len;i++){

for(var j=i+1;j < len;j++)

{

if(this[i]==this[j])

{

++i;

}

}

newArray.push(this[i]);

}

return newArray;

}

4.插入排序。所谓的插入排序，就是将序列中的第一个元素看成一个有序的子序列，然后不段向后比较交换比较交换。

function insertSort(arr){

var key;

for(var j = 1; j < arr.length ; j++){

//排好序的

var i = j - 1;

key = arr[j];

while(i >= 0 && arr[i] > key){

arr[i + 1] = arr[i];

i --;

}

arr[i + 1] = key;

}

return arr;

}

5.选择排序。其实基本的思想就是从待排序的数组中选择最小或者最大的，放在起始位置，然后从剩下的数组中选择最小或者最大的排在这公司数的后面。

function selectionSort(data)

{

var i, j, min, temp , count=data.length;

for(i = 0; i < count - 1; i++) {

/* find the minimum */

min = i;

for (j = i+1; j < count; j++)

{

if (data[j] < data[min])

{ min = j;}

}

/* swap data[i] and data[min] */

temp = data[i];

data[i] = data[min];

data[min] = temp;

}

return data;

}

6.希尔排序，也称递减增量排序算法。其实说到底也是插入排序的变种。

function shellSort(array){

var stepArr = [1750, 701, 301, 132, 57, 23, 10, 4, 1]; //
reverse()在维基上看到这个最优的步长较小数组

var i = 0;

var stepArrLength = stepArr.length;

var len = array.length;

var len2 = parseInt(len/2);

for(;i < stepArrLength; i++){

if(stepArr[i] > len2){

continue;

}

stepSort(stepArr[i]);

}

// 排序一个步长

function stepSort(step){

//console.log(step) 使用的步长统计

var i = 0, j = 0, f, tem, key;

var stepLen = len%step > 0 ? parseInt(len/step) + 1 : len/step;

for(;i < step; i++){// 依次循环列

for(j=1;/*j < stepLen && */step * j + i < len;
j++){//依次循环每列的每行

tem = f = step * j + i;

key = array[f];

while((tem-=step) >= 0){// 依次向上查找

if(array[tem] > key){

array[tem+step] = array[tem];

}else{

break;

}

}

array[tem + step ] = key;

}

}

}

return array;

}

7.快速排序。其实说到底快速排序算法就系对冒泡排序的一种改进，采用的就是算法理论中的分治递归的思想，说得明白点，它的做法就是：通过一趟排序将待排序的纪录分割成两部分，其中一部分的纪录值比另外一部分的纪录值要小，就可以继续分别对这两部分纪录进行排序;不段的递归实施上面两个操作，从而实现纪录值的排序。

function quickSort(arr,l,r){

if(l < r){

var mid=arr[parseInt((l+r)/2)],i=l-1,j=r+1;

while(true){

while(arr[++i] < mid);

while(arr[--j]>mid);

if(i>=j)break;

var temp=arr[i];

arr[i]=arr[j];

arr[j]=temp;

}

quickSort(arr,l,i-1);

quickSort(arr,j+1,r);

}

return arr;

}

8.冒泡法：

function bullSort(array){

var temp;

for(var i=0;i < array.length;i++)

{

for(var j=array.length-1;j > i;j--){

if(array[j] < array[j-1])

{

temp = array[j];

array[j]=array[j-1];

array[j-1]=temp;

}

}

}

return array;

}

9. js到底难不难学

js并不难学。
Js给人那种感觉的原因多半是因为它如下的特点：
A：本身知识很抽象、晦涩难懂，如：闭包、内置对象、DOM。
B：本身内容很多，如函数库、对象库就一大堆。
C：混合多种编程思想。它里面不但牵涉面向过程编程思想，又有面向对象编程思想，同时，它的面向对象还和别的编程语言（如：C++，JAVA，PHP）不大一样。就好像又是新的一样，让你对曾经学的面向对象产生了怀疑......
D：辛苦学习后又看似和实际应用脱节。通常学了很久的js基础之后，变量、函数、对象你也都略知一二，但一到公司开发项目的时候，却又难以下手。因为公司在开发实际项目的时候通常都是直接用它的衍生库，如：jquery，angular，boostrap，amaze，layui，ueditor等，而这些库又多如牛毛，同时还有自己的难点。让你都不知道该学哪个好，甚至都怀疑自己学的是不是js了，好像有多个版本的js一样，总是学不完......

那么，怎么才能在js领域内学的轻松甚至游刃有余呢？我总结了一些实战意义的js学习经验：
1.首先要紧紧抓住它的地位
时刻都不能忘记，否则很容易犯“一叶障目不见泰山”的错误。不要学了很久就知道js是编程语言，就是写代码，而且特点就是乱七八糟就完了，那样是学不好js的。要时时抓住它的地位，确切的说是它在整个Web中的地位：它属于前端的核心，主要用来操控和重新调整DOM，通过修改DOM结构，从而来达到修改页面效果的目的。要用这个中心思想去指导后续的一切js的学习，并且形成条件反射。

2.要有一条清晰的学习路线
这个只能是过来人给你提供参考了。我的学习路线如下：
A：js基础部分，如：定义变量、函数、数组、字符串等的处理，内置函数、内置对象等；
B：js面向过程编程思想，封装出各个函数，试着用这些去做一些常见的小功能，如：选项卡、自定义多选按钮、自定义播放器、3D幻灯片；
C：js面向对象编程思想，试着去封装一些你自己的对象，提供出有意义的接口出来；
D：学了上述的内容，然后学常用的库，这里必须学jquery；
E：学基于jquery之上的常见插件，如：bootstrap，Layer，富文本编辑器等；
F：综合应用上面的多种库写实际项目的模板，多写几套。

3.从多角度去学习和领悟
充分调动你所学的东西，从多角度去做某一功能，如：以前你是从面向过程角度做的，现在改为从面向对象的角度再来做，或者继续做成可以直接使用的插件，提供属性、方法等出来。争取让你做的这个功能逐渐能使用到实际项目中来。这样的好处：既综合应用了你的所学，又能有实际意义。

4.注意培养信心
此时的你，不适合一来就看很复杂很炫的网页效果的源代码，也不适合一来就学jquery，angular，vue，bootstrap这些东西。这些内容包含了很多深奥的知识在里面，在没有任何基础的情况下直接学这些，会严重打击你的自信心。而此时你是弱小的，你需要的是培养信心，而不是反过来，否则结局很可能是“夭折”，离学有所成也就遥遥无期了。

5. 多写总结
这种总结不但包括源代码、显示效果截图，还应该很容易犯的错误和对应的解决方法以及最后一两句精简的结论性语句。对自己写的总结不是写完了就了事了，要多回顾、多改进、多精简。到做项目的时候，应该是看里面的一两句话就知道是讲什么了，而不要再去看长篇大论了。

6.构建知识导图
这个可以让你越学越清晰，你可以按你喜欢的任何形式去做，只要自己印象深刻就行。
注意：知识导图也应该是经常修改、修正，让它更合理、更清晰。
学习编程知识，就来北京尚学堂，优秀的师资和多年的编程教育经验，会让你在学习的道路上快人一步。

10. 用js能实现各种算法吗

是可以的。不同语言，基本上都可以实现，只是方便不方便，直接不直接的问题。