数据结构 二 算法

   说实话，我觉得大学里开算法这门课挺多余的（一听就知道，我算法是白学了的），数据结构中明明就是将算法包括在内了，最起码在实验的时候，我是这么觉得的，因为我们在写程序的时候就是，数据结构+算法了，算了，不发牢骚了。

   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。（伟大的数学家高斯的童年故事 （1+2+3.。。。+100）），就这样实现了人脑战神电脑（那100次循环）的事情，这也是算法的重要性，它更加智能化了电脑的求解方法。

   2.算法的基本特性：输入，输出，有穷性，确定性和可行性（每一步都能通过执行有限次数完成）。

   3.算法设计的要求：正确性，可读性，健壮性（输入数据的不合法），时间效率高和存储量低。

   4.算法效率的度量方法：事后统计法（不可取），事前分析估算方法（根据统计方法对算法进行估算）。（附加：一个程序的运行时间，依赖于算法的好坏和问题的输入规模），判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略，而更应该关注主项（最高阶项）的阶数。

   5.算法时间复杂度：也就是算法的时间量度，记作：T(n)=O(f(n)).语句总的执行次数T（n),问题规模n，

   6.推导大O阶方法：1)用常数1取代运行时间中的所有加法常数。   2）在修改后的运行次数函数中，只保留最高阶项。  3）如果最高项存在且不是1，则去除与这个项相乘的常数。

   7.常数阶（O(1))     线性阶（分析算法的复杂度，关键就是要分析循环结构的运行状况）

对数阶O(logN)   平方阶（注意：当for循环嵌套的时候，并且内外循环间有对应的关系的时候，可以假定外层循环的值，得到内层的相加而来，所以对数列的一些相关运算就尤为重要了） 指数阶

   8.最坏情况与平均情况（最坏时间复杂度）

   9.空间复杂度（S（n)表示）。

所实话，我这大学三年了，编程时间也真是不短了（自我感觉），但是却从来没有对自己编写的代码区计算时间复杂度，更加没有改进的想法，回想起来挺可悲的，望大家共勉吧。