《恋上数据结构与算法》第1季：算法概述

数据结构与算法的学习笔记目录：《恋上数据结构与算法》的学习笔记 目录索引

1. 算法和数据结构

1.1 什么是算法

算法是用于解决特定问题的一系列的执行步骤（方法）。

比如：计算a和b的之和、计算1+2+3+…+n的和

//计算a和b的之和
public static int plus(int a, int b){
    
    return a + b;
}

//计算1+2+3...+n的和
public static int sum(int n){
    
    int result = 0;
    for(int i = 1; i <= n; i++){
    
        result += i;
    }
    return result;
}

求解以上示例的方式不局限于上面所说，还可以采用其他方法进行编码，不管采用何种方式，它们之间效率是又区别的。因此，使用不同的算法，解决同一个问题，效率可能相差非常大。比如：求第n个斐波那契数（fibonacci number）。

1.2 什么是数据结构

算法的概念大家大致明白了吧，那数据结构又是什么呢？

我的理解是：数据结构是算法的基石。如果把算法比喻成美丽灵动的舞者，那么数据结构就是舞者脚下广阔而坚定的舞台。

数据结构（data structure），是数据的组织、管理和存储格式，其使用目的是为了高效地 访问 和 修改数据。

那你们知道数据结构都有哪些组成方式吗？

1. 线性结构
   线性结构是最简单的数据结构，包括数组、链表、以及由它们衍生出来的栈、队列、哈希表…
2. 树
   舒适相对复杂的数据结构，其中比较又代表性的是二叉树，由它衍生出了二叉堆之类的数据结构…
3. 图
   图是更为复杂的数据结构，因为在图中会呈现出多对多的关联关系…
4. 其他数据结构
   除了以上所说的，还有像跳表、哈希链表、位图等等，之后都会涉及讲解到的。

有了数据结构这个舞台，算法才可以尽情舞蹈。在解决问题时，不同的算法会选用不同的数据结构。例如排序算法中的堆排序，利用的就是二叉堆这样的一种数据结构；再如缓存淘汰算法LRU（Least Recently Used）利用的就是特殊的数据结构哈希链表。

关于算法在不同数据结构上的操作过程，在后续会进行一一的学习滴。

2. 时间复杂度

2.1 如何判断一个算法的好坏呢？

衡量算法的好坏有很多标准，其中最重要的两大标准是算法的时间复杂度和空间复杂度。

那时间复杂度和空间复杂度究竟是什么呢？

某一天，小灰和小黄同时加入同一家公司，老板给他们布置了一个需求，直接用代码实现即可。一天后，小灰和小黄交付了各自的代码，两个的代码实现的功能差不多。但小黄的代码运行一次要花100ms，占用内存5MB；而小灰的代码运行一次要花100s，占用内存500MB。于是…

在上述场景中，小灰虽然也按照老板的要求实现了功能，但他的代码中存在两个很严重的问题。

1. 运行时间长
   运行别人的代码只要100ms，而运行小灰的代码则要100s，使用者肯定是无法忍受的。

2. 占用空间大
   别人的代码只消耗5MB的内存，而小灰的代码却要消耗500MB的内存，则会给使用者造成很多麻烦。

由此可见，运行时间的长短和占用内存空间的大小，是衡量一个程序好坏的重要因素。

● 时间复杂度（time complexity）：估算程序指令的执行次数（执行时间）
● 空间复杂度（space complexity）：估算所需占用的存储空间

但问题来了，如果代码都还没运行，我怎么能预知代码运行所花的时间呢？

由于受影响环境的和输入规模的影响，代码的绝对执行时间是无法预估的。但我们却可以预估代码的基本操作执行次数。

2.2 基本操作执行次数

关于代码的基本操作执行次数，就是说每条语句在操作中执行多少次。下面就举代码例子说明

代码1：T(n) = 1，执行次数是常量

	public static void test1(int n) {
    
		
		// if语句执行次数：1
		if (n > 10) {
     
			System.out.println("n > 10");
		} else if (n > 5) {
     // 2
			System.out.println