数据结构算法和算法分析
算法的描述：
1:自然语言：英语，中文
2:流程图：传统流，NS流程图
3:伪代码：类语言，类c语言
4:程序代码：c语言程序，java语言程序
算法：
是解觉问题的一种方法或一个过程，考虑如何将输入转换成输出，一个问题可以有多种算法
程序：
是用某种程序设计语言对算法的具体实现。
程序=数据结构+算法
算法的定义：
1：有穷性
2：确定性
3：可行性
4：输入，输出。
算法设计的要求：
1：正确性
2：可读性
3：健壮性
4：高效性。
若是以上都要求：则主要考虑算法的效率：
时间效率：算法所耗费的时间
空间效率：算法所耗费的存储空间
算法的时间效率度量：两种
事后统计：将算法实现测算其时间和空间开销
事前分析：对算法所耗资源的一种估算方法
一个算法运算时间：
每条语句频率（每条语句执行的次数）* 该语句执行一次所要的时间
算法的执行时间大致上等于其所有语句执行时间的总和。
算法的时间复杂度定义：
一般情况下，算法中基本语句重复执行的次数是问题规模n的每个函数f（n），算法的时间量度记作:T(n)=O(f(n))
算法的时间复杂度分析：
1：找出所有语句中语句频率最大的那条语句作为最基本语句，
2：计算基本语句的品读得到问题规模你的每个函数f(n）
3：取其数量级用符号“O”表示即可。
若是f(n)是一个m次多项式，则T(n)=O(n的m次方）。
平方实例：
(1) x=0;y=0;
(2) for (k=1;k<=n;k++) //执行n次
(3) x++; //执行n次
(4) for(i=1;i<=n;i++) //执行n次
(5) for(j=1;j<=n;j++) //执行n次
(6) y++; //执行n*n次
所以综上所述频率最大的语句是（6），其频道为f(n)=n*n,所以该算法的时间复杂度为：T(n)=O(n*n),称为平方阶。
算法空间复杂度：
关于算法的存储空间要求
S(n)=O(f(n)),其中n为问题的规模（或大小）
例题（二）：
i=1;
while(i<=n)
i=i*2;
以上若是执行一次为2，两次为2的平方，三次为2的3次方，若是循环x次则为：i=2的x次方
因为：i<=n , 所以:2的x次方<=n , 所以 x<=log以2为底n的对数。
即f(n)<=log以2为底n的对数。最大值：f(n)=log以2为底n的对数。
T(n)=O(log以2为底n的对数)