14天阅读挑战赛 *努力是为了不平庸~ 每个学习算法的都需要一把打开算法的钥匙，就如陶渊明的《桃花源记》中 ”初极狭才通人，复行数十步，豁然开朗“。
小学数学课上，你是不是可以用 3+3+3 或者 3*3 来解决三个三相加这个问题，虽然算的结果都是9，但是中间我们用的方法是不一样的。
最近由于快过年了，不是很忙碌了，人心浮动，很多都请假了，现在终于有时间来系统学习下和恶补一下常见数据结构和算法的知识，所以，还是通过记录笔记放在博客的方式来督促自己学习。同时和小伙伴们分享一下学习心得与体会。算法对于很多程序员都接触不到的，何况是一个测试人员。但是面试过程中，多多少少都有算法题的面试。所以，学习算法，短期来看是为了跳槽准备，长期来看，是锻炼一个人解决问题的思路的提升的一个途径。
这是十大经典排序算法详解的第二篇,这是之前第一篇文章的链接:十大经典排序算法详解(一)冒泡排序,选择排序,插入排序,没有看过的小伙伴可以看一下.
数据结构是计算机科学中研究数据组织、存储、管理和操作的方法和原则。它涉及到各种不同的数据类型和数据组织方式，包括数组、链表、树、图等。数据结构的设计和实现可以影响到程序的效率和可靠性，因此是计算机科学中非常重要的一个领域。
时间复杂度怎么算？如何计算时间复杂度？ 时间复杂度分析的基本策略是：从内向外分析，从最深层开始分析。如果遇到函数调用，要深入函数进行分析。
partition使用第一个元素t=arr[low]为哨兵，把数组分成了两个半区：
HTML5学堂-码匠：本期继续走入算法 —— 冒泡排序法。冒泡排序算法相对简单，容易上手，稳定性也比较高, 算是一种较好理解的算法，也是面试官高频提问的算法之一。 Tips：关于“算法”及“排序”的基础知识，在此前“选择排序法”中已详细讲解，可点击文后的相关文章链接查看，在此不再赘述。 冒泡排序法的原理 基本原理 从序列头部开始遍历，两两比较，如果前者比后者大，则交换位置，直到最后将最大的数（本次排序最大的数）交换到无序序列的尾部，从而成为有序序列的一部分； 下次遍历时，此前每次遍历后的最大数不再参与排序；
面试官： 聊聊选择排序 选择排序是一种简单直观的算法，今天我们聊聊选择排序的思想，代码以及复杂度 排序思想 一天，小一尘和师傅下山去了，在集市中路经一个水果摊，只见水果摊上摆着色泽基本相同但大小不一的
在LeetCode的第一题下面，有这样一句评论“有人相爱，有人夜里开车看海，有人leetcode第一题都做不出来。”看到这条评论，你是得意的笑呢，还是苦涩的笑？
上周有小伙伴去面试，小明问了一下面试的情况，顺便问问题目。他说有一道题是根据输入数组以及结果，返回两数的数组下标。这个听着就很熟悉，因为leetcode的第一题，于是就重新回顾了一下。
O(n)不是算法，它是一个函数，是一个表征算法时间复杂度的一个函数。 计算机科学中，算法的时间复杂度是一个函数，它定性描述了该算法的运行时间。这是一个关于代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。 使用这种方式时，时间复杂度可被称为是渐近的，它考察当输入值大小趋近无穷时的情况。
两个for循环里的条件判断都是<=n，处理都是++ 第一层循环执行次数是n，第一层下第二层循环是n-2^i^ 所以是O(n^2^)
第四阶段我们进行深度学习(AI)，本部分（第一部分）主要是对底层的数据结构与算法部分进行详尽的讲解，通过本部分的学习主要达到以下两方面的效果：
在面试中，现在无论大小公司都会有算法的。其中排序算法也是一种很常见的面试题。比如冒泡，快排等。这些，排序算法自己看了一次又一次，可是过一段时间，又忘掉了。所以，这次就把算法是怎么推导出来的，详细记录下来。看看这次多久还会忘记。
了解完上述算法的评判标准之后,我们就需要来看看这些排序算法又是怎么进行分类的了. 主要有这么两种分类的方式.
选择排序使用了双层for循环；如果看过我上一篇文章的话，可以很快的知道一些技巧，双层for循环的时间复杂度是： O(N2) O(N^{2}) O(N2)
伟大的编程领域的祖师爷尼古拉斯威茨提出程序=数据结构+算法，数据结构的重要性不言而喻，数据结构在计算机学习的过程中是一门必修课，考研一般也是数据结构必考，软件开发中的架构设计中也有很多数据结构的使用，越是底层尤其是存储这一块的东西，数据结构关乎着存储性能，比如MySQL的底层、redis的数据结构。这篇文章并不是将数据结构，而是算法。算法是程序的另一种组成部分，而现在国内的软件开发往往将算法与业务开发分开了，小公司往往不在乎你的算法能力，而大厂可能会问到算法的内容，有的大厂会问一下你的算法思路，有的大厂甚至会让你上机写算法，而国外的公司对算法的要求更高，我在国外面试过一些公司，算法属于必问的内容。
算法在编写成可执行程序后，运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。
O(1) < O(logn) < O(n) < O(nlogn) < O(n2) < O(n3) < O(2n) < O(n!) < O(nn)
时间复杂度的计算并不是计算程序具体运行的时间，而是算法执行语句的次数。 当我们面前有多个算法时，我们可以通过计算时间复杂度，判断出哪一个算法在具体执行时花费时间最多和最少。
给你一个数组 nums 和一个值 val，你需要 原地 移除所有数值等于 val 的元素，并返回移除后数组的新长度。
查看源码我们发现实际上 RandomAccess 接口中什么都没有定义。所以，在我看来 RandomAccess 接口不过是一个标识罢了。标识什么？ 标识实现这个接口的类具有随机访问功能。
时间复杂度，又称为时间复杂性。用来描述程序运行时间的长短，程序(通常指算法)的执行时间可以反应程序的效率，即程序(算法)的优劣。
第一章 数据结构绪论 1.4 基本概念和术语 1.4.1 数据 数据：描述客观事物的符号，是计算机中可以操作的对象，是能被极端及识别，并输入给计算机处理的符号集合。 1.4.2 数据元素 数据元素：是组成数据的、有一定意义的基本单位，在计算机中通常作为整体处理（也叫记录） 1.4.3 数据项 数据项：一个数据元素可以由若干个数据项组成 数据项是数据不可分割的最小单位 1.4.4 数据对象 数据对象：是性质相同的数据元素的集合，是数据的子集。 1.4.5 数据结构 1）不同元素之间不是独立的，而是存在特定的关
算法（Algorithm）是指用来操作数据、解决程序问题的一组方法。算法是大厂、外企面试的必备项，也是每个高级程序员的必备技能。针对同一问题，可以有很多种算法来解决，但不同的算法在效率和占用存储空间上的区别可能会很大。
题目地址：https://leetcode-cn.com/problems/remove-element/
内部排序:指将需要处理的所有数据都加载到内部存储器中进行排序.常见的内部排序有:直接插入排序、希尔排序、简单选择排序、堆排序、冒泡排序、快速排序、归并排序、基数排序。
这种方法可行，但是有两个问题：意识想要对设计的算法的运行性能进行评测，需要实际运行该程序；而是所得时间的统计量以来计算机的硬件、软件等环境因素，这种方式，要在同一台计算机的相同状态下运行，才能比较那个算法速度更快。
算法复杂度分为时间复杂度和空间复杂度。其作用: 时间复杂度是指执行算法所需要的计算工作量;而空间复杂度是指执行这个算法所需要的内存空间。(算法的复杂性体现在运行该算法时的计算机所需资源的多少上，计算机资源最重要的是时间和空间(即寄存器)资源，因此复杂度分为时间和空间复杂度)。 简单理解： （1）时间复杂度：执行这个算法需要消耗多少时间。 时间复杂度：在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。这是一个关于代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。 （2）空间复杂度：这个算法需要占用多少内存空间。 空间复杂度(Space Complexity) 是对一个算法在运行过程中临时占用存储空间大小的量度，记做 S(n)=O(f(n)) ，其中n为问题的规模。利用算法的空间复杂度，可以对算法的运行所需要的内存空间有个预先估计。 一个算法执行时除了需要存储本身所使用的指令、常数、变量和输入数据外，还需要一些对数据进行操作的工作单元和存储一些计算所需的辅助空间。算法执行时所需的存储空间包括以下两部分。 （1）固定部分。这部分空间的大小与输入/输出的数据的个数、数值无关。主要包括指令空间（即代码空间）、数据空间（常量、简单变量）等所占的空间。这部分属于静态空间。 （2）可变空间，这部分空间的主要包括动态分配的空间，以及递归栈所需的空间等。这部分的空间大小与算法有关。
复杂度O(n),首先肯定只能循环一次数组，且数组中有重复的元素，并且找出重复的元素并返回。
本文是第一站，大战冒泡排序。你还在为每次写排序算法的时候发愁吗？ 喝了本专栏，保证你能手撸冒泡排序。
依稀记得有一次有人问，在你写一些代码的时候，你会选用什么数据结构呢？有什么选择的标准呢。。。当时也就当为了笑谈，好像并无什么特别的喜好，也没什么特别的感觉。。。
这四个定义的目的是要在函数间建立一种相对的级别。给定两个函数，通常存在一些点，在这些点上的一个函数的值小于另一个函数的值，因此，像 这样的声明是没有什么意义的。于是，比较相对增长率(relative rate of growth)。虽然N较小时，1000N要比 大，但 以更快的的速度增长，因此
求解算法的时间复杂度的具体步骤是： ⑴ 找出算法中的基本语句； 算法中执行次数最多的那条语句就是基本语句，通常是最内层循环的循环体。 ⑵ 计算基本语句的执行次数的数量级； 只需计算基本语句执行次数的数量级，这就意味着只要保证基本语句执行次数的函数中的最高次幂正确即可，可以忽略所有低次幂和最高次幂的系数。这样能够简化算法分析，并且使注意力集中在最重要的一点上：增长率。 ⑶ 用大Ο记号表示算法的时间性能。 将基本语句执行次数的数量级放入大Ο记号中。 如果算法中包含嵌套的循环，则基本语句通常是
一、前言二、时间复杂度1. O(n)2. O(logn)三、算法题：两数之和四、解题思路1，双层循环思路2，单层循环思路3，Bit结构五、总结
Github仓库地址：https://github.com/Damaer/CodeSolution 笔记地址：https://damaer.github.io/CodeSolution/ 仓库介绍：刷
链接：https://leetcode-cn.com/problems/longest-palindromic-substring/
插入排序是一种比较简单直观的排序算法，适用处理数据量比较少或者部分有序的数据，今天我们来聊聊插入排序。
登鹳雀楼 唐·王之涣 白日依山尽，黄河入海流。 欲穷千里目，更上一层楼。 面试官：聊聊插入排序 插入排序是一种比较简单直观的排序算法，适用处理数据量比较少或者部分有序的数据，今天我们来聊聊插
给人的感觉并不难，首先的想法就是遍历数组中每一个元素，判断如果为0则删除，同时末尾增加0
在元素之间进行比较，而Java提供了一个接口Comparable就是用来定义排序规则的。
Java语言中，提供了一套数据集合框架，其中定义了一些诸如List、Set等抽象数据类型，每个抽象数据类型的各个具体实现，底层又采用了不同的实现方式，比如ArrayList和LinkedList。
LeetCode第一题：两数之和题目描述题目分析题目解答思路一：双重for循环（1）代码（2）提交结果思路二：hashmap键值对一次遍历（1）代码（2）提交结果思考总结
领取专属 10元无门槛券
手把手带您无忧上云
