通过上一章，https://www.cnblogs.com/X404/p/11984707.html中可以知道数据结构分为
1.逻辑结构 包含：
1）集合
2）线性结构
3）树形结构
4)图结构
2.存储结构
1）顺序存储
2）链式存储
3）索引存储
4）散列存储
以上也是重点需要进行了解的，
废话不多说，跟着第一章走，算法的设计应该满足一下：
1.正确性 ：保证是否正确
2.易读性：是否简单易懂
3.健壮性：在输入非法数据时，是否出错
4.时空性：分析 时间复杂度 和空间复杂度 提高算法效率（重点）
选择最优算法的2各度量：
时间复杂度：算法运行时所需要的总步数（从开始运行到打断点）
空间复杂度：算法执行时所占的存储空间（运行后存储空间的大小）
合理地选择一种或者几种操作作为“标准操作”
确定每个算法执行了多少次标准操作，并将此次数规定位该算法的计算量
时间复杂度的确定计算量：
算法的最坏情况时间复杂度：算法在所有输入下的计算量的最大值为计算量
(最坏时间复杂度是相当于运动会的接力棒，从开始到结束总共用的时间被称为最坏时间复杂度）
算法的平均情况时间复杂度：算法在所有输入下的计算量的加权平均值算法的计算量
(平均情况时间复杂度，仍可以用运动会接力来说，在一段时间内，所平均的值称为 加权平均）
最坏情况时间复杂度和平均情况复杂度统称为时间复杂度
最坏情况时间复杂度+加权平均情况复杂度《= 时间复杂度 （最坏和加权是包含在时间复杂度内的）
void max(int a,b,c,d) {a*=d;b*=d,c*=d; if (a>b)x=a; else x=b; if (c>x)x=c; printf("%d ",x);} /*有时间可以拿笔算一下这个最坏时间复杂度是多少？*/
常见的时间复杂度按数量级递增排列一次为：
常数 O(1)：无论执行多少行没有循环等复杂结构的都是O(1)
int i,j;
i=2;
j=3 i++; j++
i=i+j;
对数阶O(long2n):
1 int a; 2 while(a<n){ 3 a=a*2; 4 }
在while循环里面，每次都将 a 乘以 2，乘完之后，a距离 n 就越来越近了。我们试着求解一下，假设循环x次之后，a 就大于 2 了，此时这个循环就退出了，也就是说 2 的 x 次方等于 n，那么 x = log2n
也就是说当循环 log2n 后代码就结束。因此这个代码的时间复杂度为：O(logn)
线性阶O(n):
1 int i; 2 for(i=0,i<n,i++){ 3 printf("*******");}
这段代码，for循环里面的代码会执行n遍，因此它消耗的时间是随着n的变化而变化的，因此这类代码都可以用O(n)来表示它的时间复杂度。
线性对数阶 O(nlong2n):
线性对数阶O(nlogN) 其实非常容易理解，将时间复杂度为O(logn)的代码循环N遍的话，那么它的时间复杂度就是 n * O(logN)，也就是了O(nlogN)。
1 for(i=1,i<n,i++){ 2 j=1; 3 while(j<n){ 4 j=j*2；}}
平方阶O(n2),
多项式阶OnC),
指数阶O（Cn)
我们可以将时间复杂度几位输入数据规模n的函数，若求解问题需要执行n2次操作，则记作O(n2)
时间复杂度与时间的关系
空间复杂度：
是一个算法在运行过程中临时占用存储空间大小的量度。
一个算法在执行期间所需要的存储空间量包括以下部分：
程序代码所占用的空间；
输入数据所占用的空间；
辅助变量所占用的空间；
