这是学习笔记，方便自己复习，其他同学 也可以找到这个课程。
这是leetcode 的官方算法课程，售价399，说实话有点小贵，但是只要坚持学完，肯定是稳赚不亏。
一共需要花147小时 也就是 每天3h 的学习强度。根据刻意练习原理，时间一定要给够，如果每天3h不够 你就花4h，多花时间 精力 集中注意力，挑战自己，才能变得更优秀。
第一天的学习内容很简单，预备学习。
课程介绍 学习安排：
其实需要50天的 算法学习，因为第一天也算一天。
教程老师的个人信息
答疑服务
视频有解答，多看学习讨论区。
专项评测
每周一次，除了动态规划 两周才一次。
考试 是 在有压力的情况下 练习编码。
每天刷题 多少？？
必修题 + 选修题
每天三道题。
学习安排
难度设置
主要争对 面试 而不是 算法竞赛。
算法复杂度
时间复杂度 + 空间复杂度
如果没有特别说明 复杂度都是指时间复杂度。
教程里使用的是 python的语法。
估算计算次数
这里一共计算了 n次
这里计算了n*n 次
这个例子中
第一次循环 经历了 n 次
第二次循环 经历了n-1 次
。。。
第n次循环 经历了 1次
等差数列求和
一共计算 （n+1）*n / 2 次
用计算次数 代表时间复杂度
前面加一个 o（）
为了方便 我们一般只保留 最高次的项
也就是 (n^2) / 2
并且不保留系数
时间复杂度 就是 o（n^2）
为什么 不保留系数？
我们可以明显 感觉到 第二次 要比第一次 多10倍的计算次数
但是
当n 很大时 这个10倍就 不太重要了。
这和 物理的数量级 有类似 但是 也有差别。
当数据量小时 时间复杂度高的 也可能更慢
加入n 只有2
前面 的次数是 40 后面 却是 8
复杂度低的代码 运行时间反而更长了。
leetcode 给出的运行时间，只做参考，不具备绝对的指导意义！！！
重点关注算法的时间复杂度
例题1： 指数时间复杂度
这是一个递归函数
当n 大于1时候
不进入 if 继续调用函数 参数变为n-1
例如n = 2
func（2）{
return func（1）{ return 1 } + func（1）{return 1}
}
要计算 1次func（n）
就要计算 2次 func（n-1）
4次func（n-2）
8次func（n-3）
.。。。
2^（n-1） 次 func （n-（n-1））
一共调用了 2^n 次 func 函数
时间复杂度为 o（2^n）
例题2： 对数时间复杂度
地板除
当n 等于1 时 直接调用一次
当n 等于2时 调用2次
当n 等于3时 2次
当n 等于4时 3次
。。。
当n等于 2^x 时 x+1 次
一共计算 log2（n）+ 1 次
时间复杂度为 o（log2（n））
例题3 渐进复杂度
n=1 调用一次
n=2 1+
这个方法好像 有点恼火了。
f（n） = f（n/2） + n/2
计算次数：
n/2 + n/4 + n/8 + 。。。
结果为n
时间复杂度 就是 o（n）
例题4 均摊复杂度
单次操作：
当x == 0 时
只执行一次 时间复杂度为o（1）
当x！= 0 时
执行 min（a.size ，x） 次
最坏的情况 就是x比a.size大 执行a.size次 假设a的容量为n
时间复杂度为 o（n）
n次操作：
x == 0
时间复杂度 o（n）
x！=0
时间复杂度 o（n^2）
总体复杂度：
假设我们一共执行了n次 func（x）
其中 k 次 x==0 ，运行1次 push添加了 k个元素
其中 n-k 次 x！=0 ，按道理可以运行 n-k次，但是由于只有添加了k个元素 所以只能运行k次。
总共操作次数为 （ k+ （最多k次） ）<= 2k
其中 k 和 n 是线性关系 成正比 假设系数为a （a<1）
所以最多执行 2* a *n 次
忽略系数之后 时间复杂度为 o（n）