提到算法，必須提到數據結構，我們要知道一個著名公式：
數據結構 + 算法 = 程序我們先看看下面這張圖：
算法是什麼？算法是一個有窮規則（或語句、指令）的有續集和。他確定了解決某一問題的一個運算序列，簡單的說，就是
解決某一問題的步驟描述。
一、算法的特性1）有窮性 ——算法執行的步驟（或規則）是有限的；
2）確定性 ——每個計算步驟無二義性；
3）可行性——每個計算步驟嫩鞏固在有限的時間內完成；
4）輸入——算法有一個或多個外部輸入；
5）輸出——算法有一個或多個輸出；
二、如何評價一個算法的好壞1)消耗時間的多少；
2）消耗存儲空間的多少；
3）算法的設計是否容易理解，是否容易編程實現，方便調試和維護；
三、時間復雜度 時間復雜度的概念：
1）問題的規模：輸入數據量的大小，用n來表示；
2）算法的時間復雜度：算法消耗時間，它是問題規模的函數 T （n）。
1、語句的頻度語句的頻度定義為可執行語句在算法（或程序）中重復執行的次數。若某語句執行一次的時間為t ，執行次數為f，則該語句所耗時間的估計為 t * f 。
以下面程序為例，求兩個N階方陣乘積：
[cpp] view
plain copy
void MATRIXM(A,B,C)
{
float A
,B
,C
;
int i,j,k; // 語句頻度
for(i = 0;i < n; i++) // n+1
for(j = 0;j < n;j++) // n(n+1)
{
C[i][j] = 0; // n*n
for(k = 0; k < n;k++) // n*n(n+1)
C[i][j] = c[i][j]+A[i][k]*B[k][j]; // n*n*n
}
}
2、算法的時間復雜度 算法的時間復雜度定義為算法中可執行語句的頻度之和，記為T(n)。T(n) 是算法所需時間的一種估計，其中n為問題的規模（或大小、體積）。如上面的例子中，問題的規模n為矩陣的階，該算法的時間復雜度為：
T(n) = (n+1)+n(n+1)+n*n+n*n(n+1)+n*n*n = 2*n*n*n + 3*n*n +2*n +1當n趨於無窮大時，lim(T(n)/(n*n*n) =2，故T(n)與n*n*n為同階無窮大，或者說T(n) 與 n*n*n成正比、T(n)的量級為n*n*n，記為
T(n) = O(n*n*n);問題規模n的某個函數f(n),
T(n) = O (f(n))它表示歲問題規模n的增大，算法執行時間的增長率和f(n)的增長率相同。
