🧠 algorithms-js

Um repositório dedicado aos algoritmos que eu estudei! 🚀

Se você gosta de resolver problemas e aprimorar suas habilidades em JavaScript, você está no lugar certo! Aqui você vai encontrar diversos algoritmos que fui aprendendo e implementando durante meus estudos.

📁 Estrutura do Projeto

algorithms-js/
├── algorithms/
│   ├── sorting/
│   │   ├── [algoritmo]/
│   │   │   ├── index.js
│   │   │   └── README.md
│   │   ├── [algoritmo]/
│   │   │   ├── index.js
│   │   │   └── README.md
│   │   └── ...
│   ├── searching/
│   │   ├── [algoritmo]/
│   │   │   ├── index.js
│   │   │   └── README.md
│   │   ├── [algoritmo]/
│   │   │   ├── index.js
│   │   │   └── README.md
│   │   └── ...
│   └── ...
├── tests/
│   ├── algorithms/
│   │   ├── sorting/
│   │   │   ├── [algoritmo].test.js
│   │   │   └── ...
│   │   ├── searching/
│   │   │   ├── [algoritmo].test.js
│   │   │   └── ...
│   │   └── ...
│   └── ...
├── .gitignore
├── jest.config.js
├── LICENSE
├── package.lock.json
├── package.json
└── README.md

📜 Como funciona?

Cada algoritmo estará em uma pasta específica, de acordo com sua categoria, para facilitar o entendimento e a organização. Além disso, você pode ver a explicação do funcionamento de cada algoritmo nos comentários do código ou em arquivos de documentação que acompanham o código.

🔍 O que é Big O Notation?

Big O Notation é uma maneira de descrever a eficiência de um algoritmo, principalmente no que diz respeito ao tempo de execução ou uso de memória, à medida que o tamanho da entrada (n) aumenta. Ela ajuda a entender como um algoritmo escala e como se comporta em diferentes cenários.

Aqui estão alguns dos termos comuns usados em Big O:

• O(1) - Tempo constante: O tempo de execução não depende do tamanho da entrada.
• O(log n) - Logaritmo: O tempo de execução cresce lentamente à medida que o tamanho da entrada aumenta.
• O(n) - Linear: O tempo de execução cresce proporcionalmente ao tamanho da entrada.
• O(n log n) - Log-linear: Comum em algoritmos de ordenação eficientes como Merge Sort e Quick Sort.
• O(n^2) - Quadrático: O tempo de execução aumenta exponencialmente com o aumento da entrada. Exemplo: Bubble Sort.
• O(2^n) - Exponencial: O tempo de execução dobra com cada aumento da entrada. Exemplo: Algoritmos de recursão complexa.
• O(n!) - Fatorial: Usado em problemas de permutação. Extremamente ineficiente para grandes entradas.

A notação Big O nos permite comparar a eficiência de diferentes algoritmos de forma independente do hardware ou da implementação específica.