数据结构和算法

1、重点

算法复杂度：空间、时间
算法思维：贪心、二分、动态规划
常见数据结构

1-1、算法复杂度

• 什么是复杂度
• 时间复杂度
• 空间复杂度

1-1-1、什么是算法复杂度？

• 程序执行时需要的计算量（cpu）和内存空间（和代码是否简洁无关）
• 复杂度是数量级（O）（方便记忆、推广），不是具体的数字
• 一般针对一个具体的算法，而非一个完善的系统

1-1-2、时间复杂度 - 程序执行时需要的计算量（CPU）:

• O(1)：“可数的”，和输入量无关，计算一次—— 一次就够（数量级）
• O(logn)：“对数”，输入量越大，计算量越趋于平缓——数据量的对数（数量级）控制在O(logn)级别非常好
• O(n)：输入量多少计算量多少——和传输的数据量一样（数量级）控制在O(n)基本
• O(nlogn)：输入量越大，计算量越明显的增大——数据量 * 数据量的对数（数量级）
• O(n^2)：输入量，计算量是输入量的平方——数据量的平方（数量级）算法基本不可用

1-1-3、空间复杂度 - 程序执行时需要的内存空间：

• O(1)有限的、可数的空间（数量级）
• O(n)和输入的数据量相同的空间（数量级）

O(logn)、O(nlogn)、O(n^2)在空间复杂度中不常见
注：前端领域重时间轻空间，客户端空间一般是够用的

1-2、划重点：

• 算法复杂度是学习算法的基础，非常重要
• 复杂度是数量级，用O(…)表示，内部是一个函数表达式
• 前端开发：重时间，轻空间

2、数据结构

• 栈
• 队列
• 链表
• 二叉树

3、算法

• 二分
• 贪心
• 动态规划

4、浅尝一下，从下面算法题中分析时间和空间复杂度

• 将一个数组旋转 k 步都有哪些方法并分析复杂度