本文都是复制粘贴，非原创。看原创请移步极客时间-王争-数据结构与算法之美。如侵权，请及时私信通知。
2018-09-27 09:54:00
数据结构指的是“一组数据的存储结构”，算法指的是“操作数据的一组方法”。数据结构是为算法服务的，算法是要作用再特定的数据结构上的。
学什么
- 效率和资源消耗的度量衡–复杂度分析。
- 最常用、最基础的20个数据结构与算法，学习他们的：“来历”、“特点”、“适合解决什么问题”和“实际的应用场景”。
数据结构(10)：数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Tire树
算法(10)： 递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法
怎么学
- 边学边练，每周花 1~2 小时集中攻关三节课涉及的数据结构和算法，全部写出来。
- 主动提问、多思考、多互动。在留言区增加自己的留言。
- 自我激励，每次学习完做一篇学习笔记。
- 沉下心不要浮躁，先把这些基础的数据结构和算法，还有学习方法熟练掌握后，再追求更高层次。
2018-09-27 10:49:21
为什么要有复杂度分析
- 由于要求软件在计算的过程中速度快，内存小。
- 所以分别对执行时间和占用空间两个维度进行性能评估。
- 于是创造了时间复杂度和空间复杂度两个概念来描述性能问题，统称复杂度。
- 复杂度描述的是算法执行时间（或占用空间）与数据规模的增长加速度。
复杂度分析比事后统计法的优势
- 不依赖执行环境、成本低、效率高、易操作、指导性强。
- 编写出性能更优的代码，有利于降低系统开发和维护成本。
如何进行复杂度分析
- 大O表示法
1）来源
算法的执行时间与每行代码的执行次数成正比，用T(n) = O(f(n))表示，其中T(n)表示算法执行总时间，f(n)表示每行代码执行总次数，而n往往表示数据的规模。
2）特点
时间复杂度为例，由于时间复杂度描述的是算法执行时间与数据规模的增长变化趋势，常量阶、低阶以及系数实际上对这种增长趋势不产决定性影响，所以忽略。
时间复杂度不是速度，是加速度。 - 复杂度分析法则
1）单段代码看高频：比如循环。
2）多段代码取最大：比如一段代码中有单循环和多重循环，那么取多重循环的复杂度。
3）嵌套代码求乘积：比如递归、多重循环等
4）多个规模求加法：比如方法有两个参数控制两个循环的次数，那么这时就取二者复杂度相加。
常用的复杂度级别
多项式阶：随着数据规模的增长，算法的执行时间和空间占用，按照多项式的比例增长。包括
O(1)（常数阶）、O(logn)（对数阶）、O(n)（线性阶）、O(nlogn)（线性对数阶）、O(n2)（平方阶）、O(n3)（立方阶）
非多项式阶：随着数据规模的增长，算法的执行时间和空间占用暴增，这类算法性能极差。包括O(2^n)（指数阶）、O(n!)（阶乘阶）
如何掌握好复杂度分析方法
多练。。。
吐槽应该划掉：
为什么学习数据结构？因为我学的是面向工资的编程。