原地算法¶
In computer science, an in-place algorithm is an algorithm which transforms input using no auxiliary data structure. However a small amount of extra storage space is allowed for auxiliary variables. The input is usually overwritten by the output as the algorithm executes. In-place algorithm updates input sequence only through replacement or swapping of elements. An algorithm which is not in-place is sometimes called not-in-place or out-of-place.
像 wiki 里面说的，原地算法是基本上不需要额外辅助的数据结构,然而,允许少量额外的辅助变量来转换数据的算法。
在计算复杂性理论中，原地算法包含使用O(1)空间复杂度的所有算法，DSPACE(1)类型。
function reverse-in-place(a[0..n])
for i from 0 to floor(n/2)
swap(a[i], a[n-i])
JS 原地算法主要使用在引用类型的数据结构中（例如数组）。因为函数传递引用类型的指针，函数内部直接更改数组的项，不需要返回值。
数组翻转¶
比如我们在 JS 中，实现翻转数组，（array.prototype.reverse） 除外。[1,2,3] => [3,2,1]
function reverseArray(arr) {
var len = array.length;
var middle = Math.floor(len / 2);
for (var i = 0; i < middle; i += 1) {
var temp = array[i];
array[i] = array[n - 1 - i];
array[n - 1 - i] = temp;
}
}
这样我们就不用借助另外一个一个数组倒序循环了。
删除排序后数组的重复元素¶
比如我们给出一组排好后的数组，然后删除掉其中重复的元素
[1,2,3,3,3,4,5,5,5,6,7] to [1,2,3,4,5,6,7]
var removeDuplicates = function(nums) {
var i = 0;
// 这里有问题，需要看 for-of 的循环
// https://developer.mozilla.org/zh-CN/docs/Web/JavaScript/Reference/Statements/for...of
for (let n of nums) {
if (i==0 || n > nums[i - 1]) {
nums[i++] = n;
}
}
return i;
};
判断回文¶
最近 20200202 比较火，这是比较常见的回文数字。类似单词比如 bob 或者句子 Was it a car or a cat I saw?。
'aba' => true
'accad' => false
'20200202' => true
我们如何判断一个字符串是回文的时候可以用到。
function isPalindromeStr(str) {
var middle = Math.floor(str.length / 2);
for (var i = 0; i < middle; i++)
if (str[i] !== str[str.length - i - 1]) {
return false;
}
return true;
}
对应下面三个题目
其他的例子，排序算法会原地重新排放阵列内容成为排序过的顺序，包含：
快速排序通常被描述为一个原地算法，但是事实上并不是。大部份的实作需要O(log n)的空间来支持它的 分治法（divide-and-conquer）递回。大部份选择算法也是原地，虽然在找到最后结果的过程中，有某些相当地重新排列输入阵列，但却是固定大小的结果。
在计算上的复杂度¶
在计算复杂性理论中，原地算法包含使用O(1) 空间复杂度的所有算法，DSPACE(1)类型。这个类型是非常有限的；它与正规语言1相等。事实上，它甚至不包含上面所列的任何范例。
因为这个原因，我们也考虑在 L 的算法，这类型的问题需要O(log n)额外的空间，来成为原地。虽然这个似乎与我们先前的定义矛盾，但是我们必须认为在抽象的世界，输入的资料可以是任意巨大的。在一部真实的电脑，指标（pointer）仅需要一个小的固定数量空间，因为实体内存的数量是固定的，但是一般上一个大小为n的数列需要O(log n)位元来作为它的索引（index）。
结果是否意指快速排序是原地的？其实一点也不 — 技术上来说，它需要O(log2 n)空间，因为它的O(log n) 堆栈框架（stack frames）每一个都含有一个固定数量的指标（每一个大小为O(log n)）。
辨别拥有 L 的原地算法拥有某些有趣的含意；举例来说，它意指存在一个（相当地复杂）原地算法，决定在一个无向图（undirected graph）中的任两个节点（nodes）之间是否存在一条路径（path），这是一个需要O(n)个额外的空间，使用典型的算法像是深度优先搜寻(depth-first search)（每个节点有个走访的位元）的问题。有些问题像是决定一个图形是否为二分图（bipartite graph）或测试两个图形使否有相同数量的连结元件（connected component），接着针对这些问题产出原地算法。参考SL有更多的资讯。
随意的角色¶
在很多情况，借由使用随机化算法（randomized algorithms），一个算法的空间需求可以被极度地裁减掉。举个范例，我们希望知道一个有 n 个顶点（vertices）的图形中的两个顶点是否位于图中同一个连接元件（connected component）。没有已知简单、决定性的（deterministic）、原地算法来决定这件事，但是如果我们简单地由一个顶点开始，且执行大约20n3步的随机走路（random walk），那我们会偶遇到其他顶点来提供它不是在同一个元件（component）中的机会是非常地高。类似地，对于质数测试（primality test）有简单的随机化原地算法像是米勒-拉宾检验，也有简单原地随机化整数分解算法像是Pollard's rho 算法。参考RL和BPL有对这个现象更多的讨论。
在函数的程式设计¶
函数程式设计（functional programming）语言经常不鼓励或不支援会覆盖资料的原地算法，因为这是副作用的一种型态；反之，他们只允许建立新的资料。然而，好的函数语言 编译器（compiler）在当一个与以存在之非常相似的物件被建立时，都经常会辨识出来，然后旧的就会被丢弃掉，而且会最把这最佳化为一个简单的"引擎盖之下"转换。
基本上，有可能小心地建构原地算法而部会更动原始数据（除非资料已不会再被使用），但是在实际上这却很少见到。参考纯函数数据结构（purely functional data structure）。