著名数据专家沃斯曾说：算法 数据结构=程序
在上篇中我们大致的介绍了一下数据结构，总结起来就是数据和结构，那算法是什么呢？说白了，算法就是在这些数据上进行一系列的操作，该做什么，先做什么，怎么做，目标实现了没有，比如我们平时设计的方法，设计的函数等等。这样说的话，每个人的想法都不一样，那设计这些操作肯定就会不同，比如1 2 3 4 5 6 7 8 9 10，有的人设计从头开始加，得出结果之后再加下一个，有的人就是先算1 10=11，然后11x5=55。对比看，那种方法好呢， 当然第二种，为什么呢，因为算的快啊。那么这么多的人，这么多的想法，哪个好，哪个坏，有没有什么评判标准呢，下面我们来讨论一下。
在讨论算法的评判标准前我们先来看一下算法的特性。
1.算法的特性
1.1.输入输出
算法要有零个或多个输入。至少要有一个或多个输出，算法一定是需要输出的，不然还用算法做什么。
1.2.有穷性
算法在执行有限的步骤之后，自动结束而不会出现无限循环，并且每一个步骤在可接受的时间内完成。
基本操作：sum=sum i，忽略头尾循环判断开销，f(n)=n,T(n)=O(f(n))=O(n)
基本操作：x ，忽略头尾循环判断开销，f(n)=n的平方,T(n)=O(f(n))=O(n的平法)
无论n多大，都只执行一次，所以T(n)=O(1)
那么如果f(n)=an b的时是多少呢，这时候就考虑到我们的数学知识了，大家还记得正无穷么，对于n这个问题规模来说，我们就是争正无穷，一个常数和正无穷相乘还是正无穷，一个常数和正无穷相加自然是正无穷，如果涉及到高阶怎么办，依然是最高阶啊，因为最高阶趋向正无穷最快，后面的跟他比都是小数，所以总结起来f(n)的取法是：去掉常数和系数，取最高次阶。
常见的时间复杂度如下：
3.2.2.算法的空间复杂度
算法的空间复杂度通过计算算法所需要的存储空间实现，算法空间复杂度的计算公式记作：S(n)=O(f(n))，其中,n为问题的规模，f(n)为语句关于n所占空间的函数。
我们在写代码的时候，完全可以用空间来换时间，例如提前存储数据，以备算法的计算。通常，我们都使用“时间复杂度”来指运行时间的需求，使用“空间复杂度”来指空间需求，当不用限定词地使用“复杂度”时，通常都是指时间复杂度。
,
