1. 提高个人软实力，编码的地基， 程序 = 数据结构 + 算法
    1. 灯泡关闭问题
    2. 求出大于或等于N的最小回文素数
  2. 数据结构和程序设计的关系
    1. 数据结构是告诉算计算机如何存储组织数据
    2. 算法是告诉计算机如何运算数据
    3. 数据结构是程序设计的基础
  3. 避免成为CURD程序员
  4. 使代码性能更佳，锻炼思考能力，解决问题的能力，提高个人核心竞争力

如何学习数据和算法

  1. 由易到难，由浅入深，逐步建立自信
  2. 勤加练习，将每个算法从不同角度实现

数据结构的基本知识介绍

数据结构是指相互之间存在一种或多种特定关系的数据元素的集合
常见的数据结构类型
集合结构：数据元素之间没有任何关系，统一被放在集合的容器中
线性结构： 数据元素之间的关系是一对一的且是一种先后的次序
树形结构： 数据元素之间的关系是一对多
图形结构： 数据元素是多对多

算法常识

算法是一系列解决问题的清晰指令
算法的五大特性：

  1. 输入
  2. 输出
  3. 有穷性
  4. 确定性
  5. 可行性

时间复杂度
大O表示法的基本规则：

  1. 运行时间是常数级，用常数1表示
  2. 保留最高阶项
  3. 如果最高阶存在，则省去最高阶项前面的系数

常见的时间复杂度：

  1. O(1), 最优，执行时间不受数据多少的限制
  2. O(logN), 相当好，如二分查找算法
  3. O(n), 还不错， 执行时间等于元素个数
  4. O(nlognM), 还可以，如快速排序算法
  5. O(n^2), 有点慢，如双重for循环
  6. O(n^3), 特别慢， 如矩阵乘法
  7. O(2^n), 超级慢，添加一点数据就会将时间拖得特别长
  8. O(n!), 奇慢无比，如旅行商问题

时间复杂度是衡量一个算法好坏的重要指标
一般情况下，随着规模n的增大，次数T(n)的增长较慢的算法为最优算法
时间复杂度是指当前算法消耗的时间

空间复杂度
它是对一个算法运行过程中临时占用存储空间的大小
一般记做，S(n) = O(f(n))
固定部分，代码占用的空间，定义变量所占据的空间
可变部分， 动态分配的空间，递归栈所需的空间