这个算是考研必考题吧，不讨论不行，当然，在实际程序编写的时候也自然要考虑。
首先，什么是算法？
算法是指对特定问题求解步骤的一种描述，他是指令的有限序列。简而言之就跟你去吃饭一样，首先走路，走到饭店，点餐，吃饭，付账，回家。
那么这就是吃饭算法。
1.走路。
2.点饭。
3.吃饭。
4.付账。
5.回家。
这就是一个有限序列。所以第一算法要有限，无限死循环可不是算法。比如你一直走路，点饭，走路，点饭…… 永远结束不了，也吃不了饭。第二算法的指令是有序的，不能互换位置。就比如上面，如果吃饭和点饭互换位置，那就好恶心，你去饭店先吃了口水饭（别人吃过的）自己再点饭，而且没吃就付账走人了，这不是荒唐吗。
所以总结下来，算法具有五个重要特征：
1.有穷性：算法步骤是有限的，可以被执行完的。
2.确定性：算法每一条指令必须是明确的，无歧义的。
3.可行性：算法中的操作必须是基本运算执行有限次可以实现的。
4.输入：有0个至多个输入端口。这个很无聊，就是说可能会有输入端口。
5.输出：一个或多个输出。这个输出是广义的，不是说必须输出信号。比如你对菜进行搅拌，只是改变其状态，没有新菜出来，这也算是输出。
好的算法有哪些要求呢？
1.正确性。这个属于废话，你写的算法是错的，还想算是好的算法，那不是扯蛋吗。
2.可读性。方便编程人员进行阅读。这个很重要，在你自己查错，改编或跟他人合作编程时，这个非常重要。正宗的反面教材就是我国的计算机二级考试，完全为考试而考试，丝毫不注重实用，学出来的学生不如不学，对编程彻底丧失兴趣并且排斥，简称误人子弟。其经常考a=a+a++-a+++a----a+++a,问a等于几？这种代码写不得，毫无意义并且给自己和队友造成不必要的麻烦，在公司写这种代码被认为成挑衅。
3.健壮性：当用户或其他程序或函数传递过来非法数据时，算法能做出适当的处理，不会产生莫名其妙的结果。就比如你要的是数字，输出也是数字，对放给了你一个句号，不是数字，你却输出了2102130等数字，让别人不知道发生什么了，这就是程序的健壮性差。
4.效率和低存储量的要求。当然，一个算法步骤越少，速度远快，需要的空间越小越好。所以要尽可能的缩减时间和空间复杂度。
个人补充两点（考研不要答）：低耦合，高内聚。做到一个函数只做一件事，函数与函数之间尽可能只是数据传递，而不是控制。这样有利于模块化编程和易于维护。
下面讲解必考知识点：时间复杂度与空间复杂度
准确说是算法耗时的数量级和空间占用的数量级。我们知道，计算机执行是很快的，内存也很大，你具体去关心他到底要用几毫秒，几纳秒是没意义的，速度很快吗，我们只关心他是n的几次方，次方的相差才能反映出区别，也方便计算。就比如我们算出一个算法根据数据规模n，所要执行的语句（计算机执行一条语句的时间是大致相同的，所以我们用语句个数来反映时间）是n^6+n^5+3n^2+5;我们说他的时间复杂度为n^6，那其他的呢？因为在海量数据计算下，最高次项对结果影响最大，并且考虑到便于估算的原因，所以我们只取最高次项。
下面接触下定义
频度：某一语句在算法中被重复执行的次数。
时间复杂度为算法中所有语句频度之和，记作T(n),且只分析T（n）的数量级。
例如 while(n!=0)n--;这条语句时间复杂度为n；而
while(n!=0) { while(nn!=0) nn--; n--; }时间复杂度为n*n；定义 O(f(n))为取f(n)数量级的运算。
关于最坏/最好/平均时间复杂度：
分别指在算法执行该规模最耗时数据的时间复杂度。比如你用循环从头到尾去查一个数组中一个数字的位置，结果那个数字在数组最后面，一直查到最后才查到，这就是最坏的。最好的就是在第一个，上去就查到，平均就是平均值啦。
加法规则
T1(n)+T2(n)=O(max(f1(n),f2(n));
乘法规则
T1(n)*T2(n)=O(f(n)*g(n));
O(1)<O(log2n)<O(n)<O(nlog2n)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n);
空间复杂度记作S（n），与时间类同。
本文为作者原创，任何形式的引用、转载等操作请提前获得作者授权，未经授权，禁止以任何形式引用或转载此文。
