0. 从1加到100？
先写一个从1加到100的程序，如何写呢？
记刚学程序时的写法：
int i, sum = 0, n = 100;
for(i = 0; i < 100; i++)
{
sum += i;
}
printf("%d", sum);
大神高斯小学时的解法用程序实现：
int sum = 0, n = 100;
sum = (1 + n) * n / 2;
printf("%d", sum);
我们看到的这两种解决从1加到100的解决方法，就是算法。
1. 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者多个操作。
2. 算法的特性
- 输入输出：算法具有零个或者多个输入。对于多数算法来说，输入参数是必要的，但是对于打印“hello world！”这样的代码，就不需要参数。算法至少有一个或多个输出。倘若一个算法没有输出，那我们要它何用？当然输出方式可以是打印输出或者返回一个或多个值等。
- 有穷性：指算法在执行有限步骤后，自动结束而不是无限循环，并且每一个步骤在可以接受的时间内执行完成。这里的有穷也是有边界的，并不是说执行一个算法需要二三十年也是能完成的，那样黄瓜菜都凉了，意义不大了。
- 确定性：算法的每一个步骤都有确定意义的，不会出现二义性。
- 可行性：算法的每一步骤都必须是可行的，也就是说，每一个步骤都能执行有限次数后完成。
3. 算法效率的度量方法
3.1 事后统计法
通过设计好的测试程序和数据，利用计算机计时器对不同的算法编制的程序的运行时间进行比较，从而确定算法的效率高低。
3.2 事前分析估算法
在算法编制前，根据统计方法对算法进行估算。
算法效率的度量也就是对算法运行时间的度量，而一个程序的运行时间，主要依赖于算法的好坏和输入规模。
输入规模即输入量的多少。
看栗子：
第一种求和算法：
int i, sum = 0, n = 100; //执行1次
for(i = 0; i < 100; i++) //执行年n+1次
{
sum += i; //执行n次
}
printf("%d", sum); //执行1次
第二种求和算法：
int sum = 0, n = 100; //执行1次
sum = (1 + n) * n / 2; //执行1次
printf("%d", sum); //执行1次
显然，第一种算法执行了2n+3次，第二种算法执行了3次，两种算法的好坏显而易见。
4. 函数的渐进增长
举个例子：
相同的输入规模n，算法A做2n+3次操作，算法B做3n+1次操作。两个算法谁更快呢？
显然，答案不确定，当n=1时，算法B快些；当n=2时，两者相等；当n>2时，算法A快。
此时给出这样的定义，输入规模n在没有限制的情况下，只要超过一个数值N，这个函数就总是大于另一个函数，我们就称函数是渐进增长的。
函数的渐进增长：给定两个函数f（n）和g（n），如果存在一个整数N，
使得对于所有的n>N，f（n）总是比g（n）大，那么，我们说f（n）的增长渐进快于g（n）。
根据函数的渐进增长性我们可以得出：某个算法，随着n的增大，它会越来越优于另一个算法，或者越来越差于另一个算法。
5. 算法的时间复杂度
5.1算法时间复杂度定义
在进行算法分析时，语句总的执行次数T（n）是关于输入规模n的函数，进而分析T（n）随n的变化情况并确定T（n）的数量级。算法的时间复杂度，也就是算法的时间度量，记作：T（n） = O（f（n））。它表示随问题规模n的增大，算法执行时间的增长率和f（n）的增长率相同，称作算法的渐进时间复杂度，简称时间复杂度。其中f（n）是问题规模n的某个函数。
5.2 大O阶的推导
大O阶的推导：
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.如果最高阶项存在且不是1，则去除与这个项相乘的常数。
得到的结果就是大O阶。
5.3 常数阶O（1）
int sum = 0, n = 100; //执行1次
sum = (1 + n) * n / 2; //执行1次
printf("%d", sum); //执行1次
5.4 线性阶O（n）
int i;
for(i = 0; i < n; i++)
{
//时间复杂度为O(1)的程序步骤序列
}
5.5 对数阶O(logn)
int count = 1;
while(count < n)
{
count = count * 2;
//时间复杂度为O(1)的程序步骤序列
}
5.6 平方阶O(n²)
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
}
}
计算如下程序的时间复杂度：
int i, j;
for(i = 0; i < n; i++)
{
for(j = i; j < n; j++)
{
//时间复杂度为O(1)的程序步骤序列
}
}
当i=1时，内循环执行了n-1次；当i=n-1时，内循环执行了1次，我们可以推算出总的执行次数为：
n+(n-1)+(n-2)+(n-3)+……+1=n(n+1)/2=n²/2+n/2
用大O推导法，可得这段代码的时间复杂度为O（n²）
5.7 常见时间复杂度
O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n³)<O(2ⁿ)<O(n!)