前言
很多非科班和科班的朋友看到算法就头疼，因为这东西学起来困难，也不常用，唯二的两个做用，面试和装B，一个能赚钱，一个能爽，但是学习路线太过陡峭，不是不想学，而是感觉入地无门。 其实凡事都有技巧，难是因为不够了解它，就好像追不到女孩子其实不是你不够好，而是你不够了解对方。 当然，开篇严肃一些，后面会慢慢把一些不容易理解的，化繁为简，包教包会，不会不退学费，本来也没人给我钱^.^。
首先我先说明我对学习的观点，学习一项技能，没有聪明之分，只有用不用心。 如果在自己没有达到可以称之为努力的程序，千万不要跟自己谈天赋，自己学没有达到能谈天赋的地步。 如果实在学不下去，不要骗自己，你就是抗拒学习这件事，而不是学不会。
如果算法还没有到了让你非学不可，也不要骗自己，是浪费时间。还不如去玩游戏、陪女朋友。但是如果现在非常迫切，已经到了非学不可，比如考试、面试，那就逼自己一把，不要轻易放弃自己。
一、数据结构和算法
数据结构
是计算机存储、组织数据的方式。 数据结构往往同高效的检索算法和索引技术有关。
数据结构在计算机科学界至今没有标准的定义。 通常： "数据结构是数据对象，以及存在于该对象的实例合组成实例的数据元素之间的各种联系。这些联系可以通过定义相关的函数来给出。" 例如数组、集合、栈、队列、树、图都是数据结构。
算法
是在有限步骤内求解某一问题所使用的一组定义明确的规则。 通俗点说，就是计算机解题的过程。 在这个过程中，无论是形成解题思路还是编写程序，都是在实施某种算法。前者是推理实现的算法，后者是操作实现的算法。 一个算法应该具有以下五个重要的特征：
- 有穷性： 一个算法必须保证执行有限步之后结束；
- 确切性： 算法的每一步骤必须有确切的定义；
- 输入：一个算法有0个或多个输入，以刻画运算对象的初始情况，所谓0个输入是指算法本身定除了初始条件；
- 输出：一个算法有一个或多个输出，以反映对输入数据加工后的结果。没有输出的算法是毫无意义的；
- 可行性： 算法原则上能够精确地运行，而且人们用笔和纸做有限次运算后即可完成。
二、问题规模
就是所要解决的问题，它的规模。 1 2 3 是一个规模 1 2 3... 10 是一个规模 问题规模与核心操作次数，决定了这个算法的复杂度。
三、时间复杂度 和 空间复杂度
这两个概念应该是很多非科班出身的程序员最难理解的，网上很多文章都讲的太云里雾里，其实没有那么难，化繁为简的讲明白才有用。 这两个概念就是的意义是什么才是关键，后面专门去说这两个概念。
总结
总体现，只需要先了解这么多即可，慢慢推进。 学习的第一步是在于不要骗自己，真的要学习，好好静下心来学习。
