如何才能记住各种算法？ 这个问题问得很好，我那时候也是有着困惑。没入门的话，先看看几大经典的排序算法（直接插入，希尔排序，简单选择，堆排序，冒泡排序，快速排序，归并排序，基数排序），可以把代码背诵下来，然后复现。但最好理解代码背后的数学逻辑，当你使用这些基础算法的时候，脑海里有个图浮现出来，然后你在这上面完善它整个算法流程。我那时候学习的方法是用扑克牌来学习经典算法，后面熟了之后就可以在代码上快速复现它。不积跬步，无以至千里；不积小流，无以成江海。现在有个网站是可以用动画学习算法和数据结构—VisuAlgo。VisuAlgo是由Steven Halim博士在2011年发布的一款可视化学习算法的工具，用于帮助其学生更好地理解数据结构和算法，可以让学生按自己的步骤来学习。下图是VisuAlgo的主页，不得不说我上去体验后感觉很有趣，很适合对基础算法的学习和了解，是一个找到后令人惊喜的网站。VisuAlgo里面包含了许多先进的算法，这些算法在Steven Halim博士的书籍里都有讨论。就某种意义而言，这些先进的算法可视化/动画基本只能在VisuAlgo中找到。例如在图遍历可视化中，里面不仅标准的深度优先搜索（DFS）和广度优先搜索（BFS）算法，还包含了它们的变异。之前没有这个网站时我。
bfs能否解决一切dfs 问题？ 指在时间复杂度相同的情况下，不考虑实现的难度和程序的运行效率。目前我还没有想到dfs能做而bfs不能做的…
如何计算时间复杂度 1、先找出算法的基本2113操作，然后根据相5261应的各语句确定它的4102执行次数，再找出T（n）的同数量级（它1653的同数量级有以下：1，Log2n，n，nLog2n，n的平方，n的三次方，2的n次方，n！找出后，f（n）=该数量级，若T(n)/f(n)求极限可得到一常数c，则时间复杂度T（n）=O（f（n））。2、举例for（i=1；i；i）{ for(j=1；j；j){ c[i][j]=0；该步骤属于基本操作 执行次数：n的平方次for(k=1；k；k)c[i][j]+a[i][k]*b[k][j]；该步骤属于基本操作 执行次数：n的三次方次 } }则有 T（n）=n的平方+n的三次方，根据上面括号里的同数量级，我们可以确定 n的三次方为T（n）的同数量级则有f（n）=n的三次方，然后根据T（n）/f（n）求极限可得到常数c则该算法的 时间复杂度：T（n）=O（n的三次方）扩展资料分类按数量级递增排列，常见的时间复杂度有：常数阶O(1)，对数阶O()，线性阶O(n)，线性对数阶O(nlog2n)，平方阶O(n^2)，立方阶O(n^3)，.，k次方阶O(n^k)，指数阶O(2^n)。随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。关于对其的理解《数据结构（C语言版）》-严蔚敏 吴伟民编著 第15页有句话“整个算法的执行时间与基本操作重复执行的次数成。
