總結(jié)

學習算法以便更好地面試或刷力扣（LeetCode）題目，并不需要掌握高深的數(shù)學知識，很多“需要數(shù)學”的題目，數(shù)學方法并不是唯一解，通常也可以使用其他方法來解決。

掌握基礎數(shù)據(jù)結(jié)構(gòu)和算法知識永遠是你提高自身能力的必要條件，沒有這些底層知識很難往上走。另外，力扣（LeetCode）的題型就那么幾種，算法思維也就那么幾個，掌握這些常見的數(shù)據(jù)結(jié)構(gòu)、算法思想對于解決新的題目來說至關重要。

時間復雜度分析是算法的基石，掌握它對我們學習后面的章節(jié)有很大的幫助。本章首先引入了衡量算法性能的好壞的方法和大O表示法，接著通過若干實例介紹了常見的時間復雜度，掌握相關分析方法就已經(jīng)足夠應付絕大多數(shù)算法問題了。對于迭代，分析起來比較簡單，而分析遞歸可能就比較復雜了，需要輔助手段，本章介紹了遞歸樹法和代入法。

掌握某種算法的復雜度規(guī)律后，有時根據(jù)題目的時間復雜度要求，就可以猜測出可能用到的算法，比如算法要求時間復雜度為O(logn)，那么就有可能是二分法，關于這一點，將在第20章做更多的介紹。

空間復雜度分析比時間復雜度分析要簡單得多，常見的空間復雜度有O(1)、O(n)、O(n2)，而O(logn)、O(nlogn)、O(n!)這樣的空間復雜度基本不會有。