总结

学习算法以便更好地面试或刷力扣（LeetCode）题目，并不需要掌握高深的数学知识，很多“需要数学”的题目，数学方法并不是唯一解，通常也可以使用其他方法来解决。

掌握基础数据结构和算法知识永远是你提高自身能力的必要条件，没有这些底层知识很难往上走。另外，力扣（LeetCode）的题型就那么几种，算法思维也就那么几个，掌握这些常见的数据结构、算法思想对于解决新的题目来说至关重要。

时间复杂度分析是算法的基石，掌握它对我们学习后面的章节有很大的帮助。本章首先引入了衡量算法性能的好坏的方法和大O表示法，接着通过若干实例介绍了常见的时间复杂度，掌握相关分析方法就已经足够应付绝大多数算法问题了。对于迭代，分析起来比较简单，而分析递归可能就比较复杂了，需要辅助手段，本章介绍了递归树法和代入法。

掌握某种算法的复杂度规律后，有时根据题目的时间复杂度要求，就可以猜测出可能用到的算法，比如算法要求时间复杂度为O(logn)，那么就有可能是二分法，关于这一点，将在第20章做更多的介绍。

空间复杂度分析比时间复杂度分析要简单得多，常见的空间复杂度有O(1)、O(n)、O(n2)，而O(logn)、O(nlogn)、O(n!)这样的空间复杂度基本不会有。