一、算法的简介
对于程序来说，程序=算法+数据结构，对于程序猿来说，想要写出比较完美的程序，算法和数据结构是必须要掌握的，学习算法之前，我们应该熟悉掌握基本的数据结构，如果是零基础的话也没有关系，接下来的文章里面，我也会讲一下啦，所以宝子们不要担心！
1.1 常见的数据结构
二、 算法的性能方面
2.1 算法举例--二分查找
比如猜大小游戏；假设被猜的数据是73；使用简单查找的话，需要查找73次。
| 1 | ... | 49 | 50 | 51 | 52 | 53 | ... | 100 |
第一轮：猜想：50——————》小了
第二轮：猜想：75——————》大了
第三轮：猜想：63——————》小了
第四轮：猜想：69——————》小了
第五轮：猜想：72——————》小了
第六轮：猜想：73——————》猜中了！
很明显，查找次数少了很对次。
在实现的过程中个，我们需要有两个指针来实现Low和High;
第一轮：
第二轮：
第三轮：
当目标值大于mid索引的值时，我们选择将low指针右移，即：low=mid+1；
当目标值大于mid索引的值时，我们选择将high指针左移，即：high=mid-1；
即每次都一半一半的缩小查找范围。
使用它可节省多少时间呢?简单查找逐个地检查数字，如果列表包含100个数字，最多需要猜100次。如果列表包含40亿个数字，最多需要猜40亿次。换言之，最多需要猜测的次数与列表长度相同，这被称为线性时间(linear time )。
二分查找则不同。如果列表包含100个元素，最多要猜7次；如果列表包含40亿个数字，最多需猜32次。厉害吧?二分查找的运行时间为对数时间(或log时间 )。
2.2 大O表示法
大O表示法是一种特殊的表示法，指出了算法的速度有多快。
除最糟情况下的运行时间外，还应考虑平均情况的运行时间；
下面按从快到慢的顺序列出了你经常会遇到的5种大O运行时间。
O(log n)，也叫对数时间，这样的算法包括二分查找。
O(n)，也叫线性时间，这样的算法包括简单查找。
O()：如选择排序--一种速度较慢的排序算法。
O(n* log n)：如快速排序
O(n!)：如旅行商问题的解决方案
假设你要绘制一个包含16格的网格，且有5种不同的算法可供选择，这些算法的运行时间如上所示。如果你选择第一种算法，绘制该网格所需的操作数将为4(1og 16=4)。假设你每秒可行10次操作，那么绘制该网格需要0.4秒。如果要绘制一个包含1024格的网格呢?这需要执行10(log 1024 =10)次操作，换言之，绘制这样的网格需要1秒。这是使用第一种算法的情况。
第二种算法更慢，其运行时间为O(n)。即要绘制16个格子，需要执行16次操作;要绘制1024个格子，需要执行1024次操作。执行这些操作需要多少秒呢?
如果对你有用的话，点个关注或赞呗！
