Java数据结构与算法，是我们走向大型公司一个阶梯

数据结构和算法是我们走进大型公司一个阶梯，也是走向高薪必须学习的一条路，而往往很多工程师只对数据结构和算法简单了解甚至没有接触过，与摆在面前的机会失之交臂。本课程学习过后会让你对结构化数据有新的认识，不再盲目的一直垒砖，一个华丽的转身近距离接触身边大牛。目前市面上有C语言版的数据结构和算法，也有C++版的数据结构和算法，本课程使用java语言来传授数据结构和算法，避免了跨语言学习，更轻松的学习这门课程。

 

算法的设计原则

①、正确性：首先，算法应当满足以特定的“规则说明”方式给出的需求。其次，对算法是否“正确”的理解可以有以下四个层次：

程序语法错误。

程序对于几组输入数据能够得出满足需要的结果。

程序对于精心选择的、典型、苛刻切带有刁难性的几组输入数据能够得出满足要求的结果。

程序于一切合法的输入数据都能得到满足要求的结果。

PS：通以第 三 层意义的正确性作为衡量一个算法是否合格的标准。

②、可读性：算法为了人的阅读与交流，其次才是计算机执行。因此算法应该易于人的理解；另一方面，晦涩难懂的程序易于隐藏较多的错误而难以调试。

③、健壮性：当输入的数据非法时，算法应当恰当的做出反应或进行相应处理，而不是产生莫名其妙的输出结果。并且，处理出错的方法不应是中断程序执行，而是应当返回一个表示错误或错误性质的值，以便在更高的抽象层次上进行处理。

④、高效率与低存储量需求：通常算法效率值得是算法执行时间；存储量是指算法执行过程中所需要的最大存储空间，两者都与问题的规模有关。

前面三点 正确性，可读性和健壮性相信都好理解。对于第四点算法的执行效率和存储量，我们知道比较算法的时候，可能会说“A算法比B算法快两倍”之类的话，但实际上这种说法没有任何意义。因为当数据项个数发生变化时，A算法和B算法的效率比例也会发生变化，比如数据项增加了50%，可能A算法比B算法快三倍，但是如果数据项减少了50%，可能A算法和B算法速度一样。所以描述算法的速度必须要和数据项的个数联系起来。也就是“大O”表示法，它是一种算法复杂度的相对表示方式，这里我简单介绍一下，后面会根据具体的算法来描述。

相对(relative)：你只能比较相同的事物。你不能把一个做算数乘法的算法和排序整数列表的算法进行比较。但是，比较2个算法所做的算术操作（一个做乘法，一个做加法）将会告诉你一些有意义的东西；

表示(representation)：大O(用它最简单的形式)把算法间的比较简化为了一个单一变量。这个变量的选择基于观察或假设。例如，排序算法之间的对比通常是基于比较操作(比较2个结点来决定这2个结点的相对顺序)。这里面就假设了比较操作的计算开销很大。但是，如果比较操作的计算开销不大，而交换操作的计算开销很大，又会怎么样呢？这就改变了先前的比较方式；

复杂度(complexity)：如果排序10,000个元素花费了我1秒，那么排序1百万个元素会花多少时间？在这个例子里，复杂度就是相对其他东西的度量结果。

希望大家都能早日做出自己的游戏项目哦~

需要课件、源码、安装包等资料，可以私信告诉我哦~

不要忘记点个关注哦~