算法

在学习数据结构过程里谈算法是为了更好的理解数据结构。

1. 算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作
2. 算法特性：

• 输入输出：有零个过多个输入，至少有一个或多个输出
• 有穷性：算法在执行有限的步骤后，自动结束不会出现无限循环，并且每一个步骤在可接受的时间内完成。
• 确定性：每一步骤都具有确定的含义，不会出现二义性。
• 可行性：每一步都必须是可行的，都能通过执行有限次数完成

3.算法设计的要求

• 正确性：算法至少应该具有输入、输出和加工处理无歧义性。能正确反映问题的需求、能够得到问题的正确答案
• 可读性：便于阅读、理解、交流
• 健壮性：当输入数据不合格时，算法也能做出相关处理，而不是产生异常或者莫名其妙的结果
• 时间效率高和存储量低

4.时间复杂度（依据函数的渐进增长速度）（考察数学知识能力）

常数阶O(1)（加法运算）<对数阶O(log2n)<线性阶O(n),<线性对数阶O(nlog2n)

<平方阶O(n^2)<方阶O(n3)<k次方阶O(n^k)

<指数阶O(2^n)<O(n!)<O(n^n)，计算时抓大头，只判断最高阶项

5.最坏情况运行时间是一种保证，那就是运行时间不会再坏了。再应用中，这是一种最重要的需求，通常，除非特定，我们提到的运行时间都是最坏情况的运行时间.一般在没有特定说明的情况下，时间复杂度都是指最坏时间复杂度

6.平均运行时间是所有情况中最有意义的，因为他是期望的运行时间。而平均运行时间是从概率角度看，这个数字在每一个位置出现的可能性是相同的，所以平均的查找时间为n/2次后发现这个目标元素

7.算法的空间复杂度是通过计算算法所需的存储空间实现，算法的空间复杂度计算公式记做S（n）=O（f（n）），其中n为问题规模，f（n）为语句关于n空间的函数。

8.当不用限定词地使用“复杂度”时，通常指时间复杂度。