6.2
一、什麽是水仙花數
水仙花數只是自冪數的一種，嚴格來說3位數的3次冪數才稱為水仙花數。
附：其他位數的自冪數名字
一位自冪數：獨身數
兩位自冪數：沒有
三位自冪數：水仙花數
四位自冪數：四葉玫瑰數
五位自冪數：五角星數
六位自冪數：六合數
七位自冪數：北鬥七星數
八位自冪數：八仙數
九位自冪數：九九重陽數
十位自冪數：十全十美數
常見水仙花數
水仙花數又稱阿姆斯特朗數。
三位的水仙花數共有4個：153，370，371，407；
四位的四葉玫瑰數共有3個：1634，8208，9474；
五位的五角星數共有3個：54748，92727，93084；
六位的六合數只有1個：548834；
七位的北鬥七星數共有4個：1741725，4210818，9800817，9926315；
八位的八仙花數共有3個：24678050，24678051，88593477
……
使用高精度計算，可以得到超過int類型上限的水仙花數：
5: 93084
5: 92727
5: 54748
6: 548834
7: 9800817
7: 4210818
7: 1741725
7: 9926315
8: 24678050
8: 24678051
8: 88593477
9: 146511208
9: 912985153
9: 472335975
9: 534494836
10: 4679307774
11: 32164049650
11:40028394225
11: 42678290603
11: 49388550606
11: 32164049651
11: 94204591914
11: 44708635679
11: 82693916578
14: 28116440335967
16: 4338281769391370
16: 4338281769391371
17: 21897142587612075
17: 35641594208964132
17: 35875699062250035
19: 1517841543307505039
19: 3289582984443187032
19: 4929273885928088826
19: 4498128791164624869
20: 63105425988599693916
21: 449177399146038697307
21: 128468643043731391252
23: 27907865009977052567814
23: 35452590104031691935943
23: 27879694893054074471405
23: 21887696841122916288858
24: 174088005938065293023722
24: 188451485447897896036875
(為環保起見，24位以上的水仙花數略)
最大的水仙花數有39位。十進制自然數中的所有水仙花數共有88個。
用法
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
</head>
<body>
<script type="text/javascript">
var a = 0, b = 0, c = 0;
for (var i = 100; i < 1000; i++)
{
a = i % 10;
b = parseInt(((i / 10) % 10));
c = parseInt(i / 100);
if (i === a * a * a + b * b * b + c * c * c)
{
document.write(‘水仙花數： ‘ + i + ‘<br/>‘);
}
}
</script>
</body>
</html>
二、排序
排序(Sorting) 是計算機程序設計中的一種重要操作，它的功能是將一個數據元素（或記錄）的任意序列，重新排列成一個關鍵字有序的序列。
分類
穩定的
冒泡排序（bubble sort） — O(n^2）
雞尾酒排序(Cocktail sort，雙向的冒泡排序) — O(n^2）
插入排序（insertion sort）— O(n^2)
桶排序（bucket sort）— O(n); 需要 O(k) 額外空間
計數排序(counting sort) — O(n+k); 需要 O(n+k) 額外空間
合並排序（merge sort）— O(nlog n); 需要 O(n) 額外空間
原地合並排序— O(n^2)
二叉排序樹排序 （Binary tree sort） — O(nlog n)期望時間； O(n^2)最壞時間； 需要 O(n) 額外空間
鴿巢排序(Pigeonhole sort) — O(n+k); 需要 O(k) 額外空間
基數排序（radix sort）— O(n·k); 需要 O(n) 額外空間
Gnome 排序— O(n^2)
圖書館排序— O(nlog n) with high probability，需要 （1+ε)n額外空間
不穩定的
選擇排序（selection sort）— O(n^2)
希爾排序（shell sort）— O(nlog n) 如果使用最佳的現在版本
組合排序— O(nlog n)
堆排序（heapsort）— O(nlog n)
平滑排序— O(nlog n)
快速排序（quicksort）— O(nlog n) 期望時間，O(n^2) 最壞情況； 對於大的、亂數列表一般相信是最快的已知排序
Introsort— O(nlog n)
Patience sorting— O(nlog n+ k) 最壞情況時間，需要 額外的 O(n+ k) 空間，也需要找到最長的遞增子串行（longest increasing subsequence）
不實用的
Bogo排序— O(n× n!) 期望時間，無窮的最壞情況。
Stupid sort— O(n^3); 遞歸版本需要 O(n^2) 額外存儲器
珠排序（Bead sort） — O(n) or O（√n)，但需要特別的硬件
Pancake sorting— O(n)，但需要特別的硬件
stooge sort——O（n^2.7）很漂亮但是很耗時
三、冒泡排序
冒泡排序（Bubble Sort），是一種計算機科學領域的較簡單的排序算法。
它重復地走訪過要排序的數列，一次比較兩個元素，如果他們的順序錯誤就把他們交換過來。走訪數列的工作是重復地進行直到沒有再需要交換，也就是說該數列已經排序完成。
原理：
冒泡排序算法的運作如下：（從後往前）
比較相鄰的元素。如果第一個比第二個大，就交換他們兩個。
對每一對相鄰元素作同樣的工作，從開始第一對到結尾的最後一對。在這一點，最後的元素應該會是最大的數。
針對所有的元素重復以上的步驟，除了最後一個。
持續每次對越來越少的元素重復上面的步驟，直到沒有任何一對數字需要比較。
JavaScript
function bubbleSort(arr) {
var i = arr.length, j;
var tempExchangVal;
while (i > 0) {
for (j = 0; j < i - 1; j++) {
if (arr[j] > arr[j + 1]) {
tempExchangVal = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = tempExchangVal;
}
}
i--;
}
return arr;
}
var arr = [3, 2, 4, 9, 1, 5, 7, 6, 8];
var arrSorted = bubbleSort(arr);
console.log(arrSorted);
alert(arrSorted);
四、選擇排序
選擇排序（Selection sort）是一種簡單直觀的排序算法。它的工作原理是每一次從待排序的數據元素中選出最小（或最大）的一個元素，存放在序列的起始位置，直到全部待排序的數據元素排完。 選擇排序是不穩定的排序方法（比如序列[5， 5， 3]第一次就將第一個[5]與[3]交換，導致第一個5挪動到第二個5後面）。
選擇排序法的第一層循環從起始元素開始選到倒數第二個元素，主要是在每次進入的第二層循環之前，將外層循環的下標賦值給臨時變量，接下來的第二層循環中，如果發現有比這個最小位置處的元素更小的元素，則將那個更小的元素的下標賦給臨時變量，最後，在二層循環退出後，如果臨時變量改變，則說明，有比當前外層循環位置更小的元素，需要將這兩個元素交換.
選擇排序是這樣實現的：
1、設數組內存放了n個待排數字，數組下標從1開始，到n結束。
2、初始化i=1
3、從數組的第i個元素開始到第n個元素，尋找最小的元素。
4、將上一步找到的最小元素和第i位元素交換。
5、i++,直到i=n－1算法結束，否則回到第3步
選擇排序的平均時間復雜度也是O(n^2)的。
舉例：
564
比如說這個，我想讓它從小到大排序，怎麽做呢？
第一步：從第一位開始找最小的元素，564中4最小，與第一位交換。結果為465
第二步：從第二位開始找最小的元素，465中5最小，與第二位交換。結果為456
第三步：i=2，n=3，此時i=n-1，算法結束
完成
6.2