就个人而言，我是喜欢算法的，奈何不擅长，所以选择了我同样喜欢的前端（我才不会告诉你是因为有好多漂亮妹子在呢）。

那么今天来看下，两数之和：

给你一个数组，返回2个数之和为一个目标值的下标，输入数据只会有准确的一种解法，同一个元素不能使用2次。

那有人就说了，这不 so tm easy 吗，我遍历一遍数组 a[i] ，之后再遍历一遍数组 a[j] ，只要 a[i] + a[j] === target 不就 ojbk 了嘛。

那这位同学，我就想问下：你还记得在大学时期，青涩的你，在阳光明媚的算法与数据结构课堂上，老师的淳淳教诲吗？还是你把时间都花费在隔壁班的女同学上了？

当然，大家都是上过大学的文化人，我就算这么做过但也不会这么说呀！好啦好啦，回到正题，上面的解法时间复杂度是 O(n^2) 因为在每一遍 n 的循环中你又跑了一遍 n 的循环，所以这是不优雅的。

其实你第二遍循环里只是为了找出一个值，但你用了 O(n) 的复杂度，那这里能不能更快些呢？当然是可以的啦，我们可以使用二分查找，只需要 O(logn) 的复杂度，但二分的前提是数组要有序呀，所以得排个序，排序平均是 O(nlogn) 所以最后我们的时间复杂度就变成了 O(nlogn)

那接下来的步骤就显而易见了，我贴下代码吧：

/** * 二分查值 * * @param {Array} arr the data * @param {nubmer} left the start index * @param {number} right the end index * @param {number} val the target value * @returns {nubmer} the target value's index, if * no exist, it will return -1 */function binarySearch(arr, left, right, val) {  if (right < left) {    throw new Error('right can not less than left')  }  let mid  while (left <= right) {    mid = Math.floor((left + right) / 2)    if (arr[mid] < val) left = mid + 1    else if (arr[mid] === val) break    else right = mid - 1  }  return arr[mid] === val ? mid : -1}var twoSum = function(nums, target) {   nums = nums.map((val, idx) => ({    val,    idx  }))  nums.sort(function(a, b) {    return a.val - b.val  })  const len = nums.length  for (let i = 0; i < len - 1; i++) {    const t = target - nums[i].val    const idx = binarySearch(nums.map(v => v.val), i + 1, len - 1, t)    if (idx !== -1) {      return [nums[i].idx, nums[idx].idx]    }  }}复制代码

这里提交题目的方式其实就是给你一个 twoSum 函数，你去完成这个函数的功能即可，最后结果如下：

看没看到，时间上超过了一半的人唉，果然我就是腻害！

那又有人说了：你空间复杂度才超过 5% 的人唉！

就你话多，我有钱，我是富二代，我买几百个内存条给我服务器装上，不行啊。

我心里是这么想的，当然现实不能真的这样啦！

那怎么优化空间复杂度呢？其实 solution 中也讲到了，java 是用的 hashMap，我们js也有 Map 呀，所以，你可以用 Map 试试，看看结果能不能超过这么帅气、优秀的我！