数据结构和算法算是密不可分的。单独了解数据结构也是可以，但会有夸夸其谈，很空泛的感觉，结合算法后，看到比较具体的应用场景和实例，也有助于理解和使用数据结构和算法。

算法

算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作。

算法主要有五个特性：输入/输出、有穷性、确定性、可行性。

• 输入输出

输入输出很好理解，我们预设一个或多个条件输入后，就要能输出一个或多个的结果。

• 有穷性

有穷性就是指算法的步骤是有限的，不能出现输入条件后，一直循环不出来，不产生结果。

• 确定性

确定性是指算法的每个步骤要无二义性，有且只有一个含义。

• 可行性

算法的每一步都是可行的，能执行完的。

设计算法的要求有以下几个：

• 正确性：即应具备上述特性，能应付各种条件，能得到确定答案的。

• 可读性：要尽量便于阅读、理解和交流。
• 健壮性：输入数据不合法时，算法也能做出相关处理，而不是产生异常或莫名其妙的结果。
• 效率高，消耗少：时间效率高和占用存储和cpu低。

算法的复杂度

分为时间复杂度和空间复杂度。这里不展开讨论，就贴一下定义吧。

时间复杂度：在进行算法分析时，语句总的执行次数T（n）是关于问题规模n的函数，进而分析T（n）随n的变化情况并确定T（n）的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T（n）= O(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和f（n）的增长率相同，称作算法的渐近时间复杂度，简称为时间复杂度。其中f（n）是问题规模n的某个函数。

常见的时间复杂度如下图：

所耗时间从小到大：

空间复杂度：算法的空间复杂度通过计算算法所需的存储空间实现，算法空间复杂度的计算公式记作：S(n)= O(f(n))，其中，n为问题的规模，f(n)为语句关于n所占存储空间的函数。

个人认为，可以简单理解为，数据结构主要是关联和存储数据，而算法是用最优方式关联、存储和获取到这些数据。算法和数据结构是密不可分的。