算法学习瓶颈
很多人感叹：算法为什么这么难学！
个原因是，算法本身具有一定的复杂性。另一个原因是，讲得不到位！
算法的教与学有两个困难。
(1）我们学习了那些经典的算法，在惊叹它们奇妙的同时，难免疑虑重重：这些算法是怎么被想到的？这可能是最费解的地方。高手讲，学算法要学它的来龙去脉，包括种种证明。但对菜鸟来说，这简直比登天还难，他们很可能花费很多时间也无法搞清楚。对大多数人来说，这条路是行不通的，那怎么办呢？下功夫去记忆书上的算法？记住这些算法的效率？这样做看似学会了，其实两手空空，遇到新问题时仍无从下 F 。但这扁帰义是为重要的，论是做研究还是故头坏 L 作，计算儿专业人士最重要的能力就是鮮决题﹣解决那些不断从实际应用中冒出来的新问题。
(2）算法作为一门学问，有两条几乎平行的线索。条是数据结构（数据对象）：数、矩阵、集合、、非列、餐、表认工 G 、力巾。另余是早法友格贵い绂路、分8绂路、绂格、生格、搜索策略等。这两条线索是相互独立的：对于同个数据对象上不同的问题（如单源最短路径和多源最短路径），就会用到不同的算法策略（如贪心策略和动态规划策略）；而对于完全不同的数据对象上的问题（如排予和撃教來云）也许就会用到同 N 算去策略（如分治策路）。
两条线索交织在一起，该如何表述呢？我们早已习惯在一章中完全讲排序，而在另一章中完全讲图论。还没有哪一本算法书能够很好地解决这两个困难，传统的算法书大多注重内容的收录，却忽视思维过程的展示，因此我们虽然学习了经典的算法，却费解于算法设计的过程。
本书从问题出发，根据实际问题分析、设计合适的算法策略，然后在数据结构上操作实现，巧炒地将数舌结沟和算法策略庁成杀线。全书通过大重头例，充分展现法设计的思维过程，让卖者充分体会求鲜题的思路、如何分析、使用什么算法策略、采用什么数据结构、算法的复杂性如何、是否有优化的可能等等。这里，我们培养的是让读者怀着一颗好奇心去思考问题、解决问题，更重要的是﹣体会学习的乐趣，发现算法的美！
经过本文的学习，使我深深的了解到了：
将程序执行次数作为时间复杂度衡量标准。
时间复杂搜桶常用新 r 上界符号 Of ( n ）表示。
衡量算法的好坏时通常考查算法的最坏情况。
空间复杂度只计算辅助空间。
递归算法的空间复杂度需要计算递归使用的栈空间。
设计算法时要尽量避免爆炸级增量复杂度。
通过本章的学习，对算法有了初步的认识，算法就在我们的生活中。任何一个算法都不是凭空造出来的，而是来源于现实中的某个问题，由此推及一类、一系列问题，所以算法的本质是高效地解决实际问题。本章中的部分内容或许你还不是很清楚，不必灰心，还记得我在本书第1版的前言中所说的“大视野，不求甚解”吗？例如斐波那契数列的通项公式推导，不懂没关系，只要知道斐波那契数列用递归算法，时间复杂度是指数阶，这就够了。就像面包师一边和面，一边详细讲做好面包要多少面粉、多少酵母、多大火候，如果你对如何做面包非常好奇，大可津津有味地听下去，如果你只是饿了，那么只管吃就好了。
通过算法，你可以与世界顶级大师进行灵魂交流，体会算法的妙处。
Donald Ervin Knuth 说：“程序就是蓝色的诗”。而这首诗的灵魂就是算法，走进算法，你会发现无与伦比的美！
