演算法：
有充分明確的目標，不可以有歧義其實說白了，演算法就是乙個計算過程解決問題的方法。我們現在已經知道資料結構表示資料是怎麼儲存的，而「程式=資料結構+演算法」，資料結構是靜態的，演算法是動態的，它們加起來就是程式。計算機能處理的範圍之內
描述應不依賴於任何一種計算機語言以及具體的實現手段
對演算法來說有輸入，有輸出，相當於函式有引數有返回值。我們寫演算法的時候習慣把演算法封裝到乙個函式中。
好，從上面我們知道了什麼是演算法，下面我再說什麼是好的演算法？
在解決同乙個問題的時候，我們通常會有很多種不一樣的演算法，區別就在於，有的演算法比較笨，有的演算法比較聰明，那我們怎麼去衡量它們誰好誰壞呢？我們通常有下面兩個指標：
先舉個例子說，如果讓你列印十個整數，你那個程式可能瞬間就給出結果了，如果讓你列印十萬個整數呢？這你就得多等一會了。所以這個程式執行的時間，就跟你要處理的資料是十個還是十萬個是相關的，這個十或十萬就是我們要處理的資料的規模。我們把它叫做n，是乙個變數的話，那我們這個程式所用的時間和空間都跟這個n是有直接關係的。解決乙個問題有很多中不同的方法，你在設計這個方法的時候，一定要把這兩個要素考慮清楚。一不小心，如果空間複雜度太大的話，你那個程式就可能直接爆掉了，非正常中斷，我一會會在後面講，時間複雜度如果太大的話，你就可能等很長時間都等不出結果。時間複雜度
先來看上面中的幾組**，我是用python表示的，你在看的時候考慮兩個問題：
四組**中，哪組的執行時間最短？這裡你會發現我們會用「幾」表示乙個大概，後面還有相應的時間單位，那時間複雜度也參照類似的方法：用什麼方式來體現演算法執行的快慢？
時間複雜度：用來評估演算法執行效率的乙個式子
看上面所示，先說print(『hello world』),它的時間複雜度表示為o(1),o嚴格來說，它表示數學上乙個式子的上界，我們可以簡單的理解為就是乙個估計，大約，相當於上面說的「幾」。1可以理解為是個執行單位(類似於秒這樣的單位)，為什麼是o(1)，因為print(『hello world』)只執行了一次，同理分析第二個：
for i in range(n):
print('hello world')
for i in range(n):
for j in range(n):
print('hello world')
為什麼？我說了，「1」是單位，但「3」不是單位，3是3乘1，就比如說在生活中，問你一壺水燒多長時間，沒有人回答說是三個幾分鐘或者幾個三分鐘。再說第二個，
所以正確的時間複雜度是這樣的：
第乙個為什麼是o(1),首先print('hello world')列印一次和列印三次實際的影響不大吧，就是不管執行幾次，只要它的規模不上公升到n這麼大的時候，換句話說，1是個單位，所以不管怎樣，因為這是表示近似，不是表示精確的，所以是o(1).好，再看下面這個：
當你的迴圈減半的時候，時間複雜度就會變為o(logn)。所以你可以這樣記，當演算法過程出現迴圈折半的時候，複雜度式子中會出現logn。
時間複雜度小結
常見的時間複雜度(按效率排序)複雜問題的時間複雜度
如何簡單快速地判斷演算法複雜度
空間複雜度
在空間複雜度中需要注意的一點就是理解「空間換時間」，在研究乙個演算法的時候，時間比空間重要。
演算法複雜度 時間複雜度和空間複雜度
1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且乙個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數...
演算法複雜度 時間複雜度和空間複雜度
演算法複雜度 時間複雜度和空間複雜度 關鍵字 演算法複雜度 時間複雜度 空間複雜度 1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時 間多，哪個演算法花費的時間少就可以...
演算法複雜度 時間複雜度和空間複雜度
演算法的時間複雜度是指執行演算法所需要的計算工作量。n稱為問題的規模，當n不斷變化時，時間頻度t n 也會不斷變化。但有時我們想知道它變化時呈現什麼規律。為此，我們引入時間複雜度概念。一般情況下，演算法中基本操作重複執行的次數是問題規模n的某個函式，用t n 表示，若有某個輔助函式f n 存在乙個正...