想学算法吗少年，跟我来吧

坚持原创，写好每一篇文章

为什么学习算法

伟大的编程领域的祖师爷尼古拉斯威茨提出程序=数据结构+算法，数据结构的重要性不言而喻，数据结构在计算机学习的过程中是一门必修课，考研一般也是数据结构必考，软件开发中的架构设计中也有很多数据结构的使用，越是底层尤其是存储这一块的东西，数据结构关乎着存储性能，比如MySQL的底层、redis的数据结构。这篇文章并不是将数据结构，而是算法。算法是程序的另一种组成部分，而现在国内的软件开发往往将算法与业务开发分开了，小公司往往不在乎你的算法能力，而大厂可能会问到算法的内容，有的大厂会问一下你的算法思路，有的大厂甚至会让你上机写算法，而国外的公司对算法的要求更高，我在国外面试过一些公司，算法属于必问的内容。

算法的特性

算法是对特定问题求解步骤的描述，它由几个特性：有穷性、确定性、可行性，可以由0或多个输入一个或多个输出。

算法的两个重要指标

算法需要考虑的两个特效是时间复杂度和空间复杂度

时间复杂度

所谓时间复杂度就是算法需要运行的时间，有最好情况的时间和最坏情况的时候，我们一般以最坏的情况用到的时间为时间复杂度的依据。而这个时间复杂度并不是一个确切的值，而是按照一步一步的执行次数来算的，比如两个for循环，我们认为是o(n的平方)

while(i<=n){     
  i=i*2;        
}

像这样的时间复杂度怎么算，假如n=8，那么2的3次方是8，所以执行次数是O(log小2的N)

空间复杂度

空间复杂度是算法占用的空间，这里除去算法本身和输入输出占用的空间，而是在算法执行的过程中占用的辅助的空间。

比如这个递归算法：

int fac(int n){ 
    if(n==0||n==1) 
        return 1; 
    else 
        return n*fac(n-1); 
}

典型的斐波那契序列的实现，采用递归算法，我们都知道递归使用的是栈，如果无限递归就会出现栈溢出异常，栈的大小为n，那么这个算法的空间复杂度为O(n)

总结

这篇文章我们讲了为什么要学算法，算法有哪些特点，以及算法的时间复杂度和空间复杂度这两个重要指标是怎么进行计算的，并举了几个小示例，这些知识点是学习算法的基础知识，让我们一起了解算法基础知识，跟着我走进算法的神秘殿堂吧。

❤️ 感谢大家

如果你觉得这篇内容对你挺有有帮助的话：

1. 欢迎关注我❤️，点赞👍🏻，评论🤤，转发🙏
2. 关注盼盼小课堂，定期为你推送好文，还有群聊不定期抽奖活动，可以畅所欲言，与大神们一起交流，一起学习。
3. 有不当之处欢迎批评指正。