算法概述

算法:算法是一系列程序指令，用于处理特定的运算和逻辑问题；
数据结构:是数据的组织、管理和存储格式，其使用目的是为了高效地访问和修改数据；

数据结构方式	解释
线性结构	是最简单的数据结构，包括数组、链表，以及由它们衍生出来的栈、队列、哈希表；
树	树是相对复杂的数据结构，其中比较有代表性的是二叉树，由它又衍生出二叉堆之类的数据结构；
图	图是更为复杂的数据结构，因为在图中会呈现出多对多的关联关系；
其他数据结构	由基本数据结构变形而来，用于解决某些特定问题，如跳表、哈希链表、位图等；

衡量算法好坏的重要标准有两个：时间复杂度和空间复杂度。时间复杂度是执行算法的时间成本，空间复杂度时执行算法的空间成本；也就是运行时间的长短和占用内存空间的大小；

时间复杂度:是对一个算法运行时间长短的量度，用大O表示，记作T(n)=O(f(n))；常见的时间复杂度按照从低到高的顺序，包括O(1)、O(logn)、O(n)、O(nlogn)、O(n²)等；
空间复杂度:是对一个算法在运行过程中临时占用存储空间大小的量度，用大O表示，记作S(n)=O(f(n))；常见的空间复杂度按照从低到高的顺序，包括O(1)、O(n)、O(n²)等，其中递归算法的空间复杂度和递归深度成正比。

常量空间：当算法的存储空间大小固定，和输入规模没有直接的关系时，空间复杂度记作O(1);
线性空间：当算法分配的空间是一个线性的集合（如数组），并且集合大小和输入规模n成正比，空间复杂度记作O(n);
二维空间：当算法分配的空间是一个二维数组集合，并且集合的长度和宽度都与输入规模n成正比时，空间复杂度记作O(n^2)，就是n的平方;
递归空间：纯粹的递归操作的空间复杂度也是线性的，如果递归的深度是n，那么空间复杂度就是O(n);

在绝大多数时候，时间复杂度更为重要一些，我们宁可多分配一些内存空间，也要提升程序的执行速度。