前端培训丁鹿学堂：前端算法基础知识总结数据结构与算法数据结构：计算机存储，组织数据的方式。算法：一系列解决问题的清晰

数据结构：计算机存储，组织数据的方式。算法：一系列解决问题的清晰明确的指令。

程序简单来说，可以认为是数据结构+ 算法其实所有的数据结构都是为算法提供服务的，而算法也是围绕数据结构去进行的一系列的操作，他们相辅相成。算法是一系列的指令去操作数据，没有数据结构就没有办法存数据。

有序的数据结构：栈，队列，链表。无序的数据结构：集合，字典。高级的数据结构：树，堆，图。

链表：遍历链表，删除链表节点数组：冒泡排序，选择排序，插入排序，归并排序等树和图：深度优先遍历

时间复杂度是一个函数，用大写的O表示。O(1),O(n)

它是用来定性描述算法的运行时间。定性是说它不会精确到某个算法运行多少秒，而是描述算法的时间大致趋势。

我们需要了解的几个有O(1)<O(logn) < O(n)<O(n^2) < O(2^n),了解这些顺序就可以了。大概理解：

如果没有循环，就是O(1) ,

如果有for循环，for循环的代码因为执行了n次，所以时间复杂度就是O(n)

如果两个for循环嵌套，那么时间复杂度就是O(n^2),因为是两个O(n)相乘

时间复杂度为O(logn) 常见也是在循环中，只是循环的终止条件为大于2的n次方，在二分法中会涉及到。

空间复杂度也是一个函数，也是用O表示。常见的空间复杂度有O(1),O(n),O(n^2)

空间复杂度是算法在运行过程中临时占用储存空间大小的度量。

通俗点说就是看你写的这段代码占用空间的大小。占用空间越小，运行时间越短，这个算法就越好。

O(n)的解释：

如果某段代码运行过程中，占用了n个内存单元的值，那么他的空间复杂度就是O(n)

let arr = []
for(var i =0;i<10;i++){
    arr.push(i)
}

O(n^2) 其实代码上看就是一个矩阵。在前端我们可以理解为二维数组。他存储了n^2的变量。