一 算法定义
算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作。
二 算法的特性：
1 输入输出：算法具有零个或者多个输入，至少有一个或者多个输出。
2 有穷性： 指算法在执行完有限的步骤之后，自动结束而不会出现无线玄幻，并且每个步骤都在可接受的时间内完成。
3 确定性：算法的每一个步骤都有确定的含义。
4 可行性：算法的每一步都必须是可行的，也就是说，每一步都能够通过执行有限次数完成。
三 算法设计的要求
1 正确性：算法的正确性是指算法至少应该有输入、输出、和加工处理无歧义性、能正确反映问题的需求、能够得到问题的正确答案。
2 可读性：苏娜法设计的另一个目的是为了便于阅读理解和交流。
3 健壮性：当输入数据不合法时，算法也能够做出相关处理，而不是产生异常或莫名其妙的结构。
4 时间效率高和存储量低
四 算法时间复杂度
1 定义：在进行算法分析时，语句总的执行次数T（n)是关于问题规模n的函数，进而分析T（n）随n的变化情况来确定T(n)的数量级。算法的时间复杂度，记作：T(n)=O(f(n))。它表示随时间规模n的增大，算法执行的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称为时间负责度。
2 推到大O阶方法
1 用常数1取代运行时间中的所有加法常数。
2 在修改后的运行次数函数中，只保留最高阶项。
3 如果最高阶存存在且不是1，则去除与这个项相乘的常数，得到的结果就是大O阶。
3 常数阶：O(1)
int sum = 0, n=100；
sum=(1+n)*n/2；
printf("%d",sum)4 线性阶：O（n）
int n=100,sum=0;
for(i=0;i<n;i++)
{sum+=i;
}5 对数阶：O(logn)
int count=1;
int n=10000;
while(count<n)
{count*=2;
}6 平方阶：O()
int i ,j;
for(i=0;i<n;i++)
{for(j=0;j<n;j++){/*时间复杂度为O（1）的程序步骤序列*/}
}7常见的时间复杂度：
| 执行次数 | 阶 | 非正式术语 |
| 12 | O(1) | 常数阶 |
| 2n+3 | O(n) | 线性阶 |
| O( | 平方阶 | |
| 5logn+20 | O(logn) | 对数阶级 |
| 2n+3nlogn+19 | O(nlogn) | nlogn阶 |
| O( | 指数阶 |
8 算法空间复杂度
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。
