本文集是作者閱讀《算法圖解》一書所做的讀書筆記，內(nèi)容難免過于淺薄。之后將針對部分細節(jié)進行補充和完善，如有錯漏還望讀者留言指正。

算法是一組完成任務(wù)的指令，任何代碼片段都可視為算法。優(yōu)秀的算法可以提高程序執(zhí)行效率，或者解決一些有趣的問題。在學(xué)習(xí)算法的過程中我們可以嘗試理解算法的思路和應(yīng)用場景，從而開闊視野，提升自身水準(zhǔn)。

大O表示法
大O表示法是一種特殊的表示法，用來表示算法處理數(shù)據(jù)花費的時間隨數(shù)據(jù)規(guī)模變化的規(guī)律，即算法的時間復(fù)雜度。
下面以簡單查找算法為例進一步了解算法復(fù)雜度的概念以及大O表示法的使用方法。

public int search(int key, int[] arr) {
  for (int idx = 0; idx < arr.length; idx++) {
    if (key == arr[idx]) {
      return idx;
    }
  }
  return -1;
}

以上代碼實現(xiàn)了一個簡單的查找算法，search()方法接收兩個參數(shù)，key為要查找的目標(biāo)，arr為查找的集合，如果arr中包含該元素則返回元素的下標(biāo)，否則返回-1。
假設(shè)檢查一個元素花費的時間為1，上面的算法當(dāng)中在最差的情況下需要檢查的次數(shù)為arr.length，平均檢查次數(shù)為1/2 * arr.length，所以上面查找算法查找元素花費的時間可以表示為t = 1/2 * arr.length。使用大O表示法時通常會省略表達式中的常數(shù)項，所以簡單查找算法的時間復(fù)雜度為O(n)。
了解算法復(fù)雜度的意義在于：通過算法時間復(fù)雜度可以比較不同算法的操作數(shù)，計算算法運行時間隨數(shù)據(jù)規(guī)模的增速，從而評價算法的質(zhì)量。

常見的大O運行時間有以下幾種：

1. O(logN), 也叫對數(shù)時間。
2. O(N), 也叫線性時間。
3. O(N*logN)。
4. O(N²)。
5. O(N!)。

下圖來自Time complexity - Wikipedia，圖中展示了常見算法復(fù)雜度的操作數(shù)隨輸入規(guī)模變化的曲線。

Comparison computational complexity

至此引言部分結(jié)束，后續(xù)內(nèi)容將涉及常見排序算法，查找算法以及簡單的圖算法。

作者水平有限，本文旨在記錄作者閱讀和學(xué)習(xí)過程，內(nèi)容質(zhì)量難以保證，暫不支持轉(zhuǎn)載，還望見諒