主要研究問題（核心）：時間與空間複雜度
使用大o記號（這個為最壞的情況，是演算法的上界，忽略常數係數）條件：時間：基本操作次數（會變指令條數）
空間：占用記憶體位元組數
區別：空間可以再利用
時間空間可以互換（hash表）
常見時間複雜度分析方法：
1.輸入輸出——確定演算法的下界
2.數迴圈次數——迴圈次數相乘，通過最內層迴圈優化
3.均攤分析——平均預估，多個操作，一起算時間複雜度
常見複雜度：
o(1) (不管執行多少次）
基本運算，＋，－，＊，／，%，定址
o(logn)(分治類，一般以2為底）
二分查詢
o(n1/2)
列舉約數
o(n)
線性查詢
o(n2)
樸素最近點對、冒泡、選擇排序
o(n3)
floyd最短路
普通矩陣乘法
o(nlogn)
歸併排序
快速排序的期望（均攤）複雜度
基於比較排序的演算法下界
o(2n)
列舉全部的子集
o(n!)
列舉全排列
總結：
優秀 o(1) < o(logn) < o(n1/2) < o(n) < o(nlogn)
可能可以優化 o(n2) < o(n3) < o(2n) < o(n!) （n到底是多大！！一秒一億條指令）
有窮性（在有限的時間內結束）
確定性（數值是確定的）
可行性（演算法可以是一段描述，也可以是一段**，每一行都可行的）
有輸入與輸出
應用：
機器學習、資料探勘、自然語言處理、密碼學、計算機圖形學等
常用演算法：
窮舉（萬能演算法）
分而治之（減而治之 ）
二分查詢——減而治之
歸併排序——分而治之
貪心法最小生成樹
單源最短路
動態規劃
揹包士兵路徑
介紹三個演算法：
暴力列舉 o(n3)
優化列舉 o(n2)
貪心法 o(n)
資料結構系列 初識演算法 一
簡單來說 演算法 就是描述解決問題的方法。能更有效的處理資料，提高資料運算效率。資料的運算是定義在資料的邏輯結構上，但運算的具體實現要在儲存結構上進行。比如 1 2 3 n 平常隨便乙個for迴圈就可以解決這個問題，但是如果n 1000 10000 100000 等，必然要改變變數型別，否則會溢位。...
初識演算法 資料結構
需求驅動 what why how 所有的學習從需求開始，學習任何知識要想事半功倍，一定要先搞清楚它存在的意義和價值 目錄 1 什麼是演算法？2 演算法好壞的評判標準 2.1 時間複雜度 流程決定 2.2 額外空間複雜度 流程決定 2.3 常數項時間 實現細節決定 what 總而言之 演算法就是解決...
資料結構與演算法初識
目錄首先明確的一點就是電腦科學不僅僅是對計算機的研究，雖然計算機在科學發展的過程中發揮了重大的作用，但是它只是乙個工具，乙個沒有靈魂的工具而已。所謂的電腦科學實際上是對問題 解決問題以及解決問題的 過程中產生產生的解決方案的研究。例如給定乙個問題，計算機科學家的目標是開發乙個演算法來處理該問題，最終...