英雄算法联盟八月集训 已经接近尾声，九月算法集训将于 09月01日 正式开始，目前已经提前开启报名，报名方式见 这里，想要参加的建议提早报名，因为对于算法零基础的同学会有一些提前的准备工作，比如需要1 - 3天的时间完成预训练 和 九日集训 提前养成刷题的习惯，再参加算法集训会更加有成效。
对于校招，很多同学最惧怕的莫过于算法题了，因为很多题目，虽然感觉似曾相识，但是题型千变万化，加上紧张的氛围，原本会做的算法也不会了，从而和这次招聘失之交臂。
那么算法在平时工作中，到底起多大的作用？是否一定要学呢？这个应该是绝大多数同学最困惑的问题，看完这篇文章，你的心中或许会有一定的答案。
但凡写过代码的同学都知道，如果一段代码执行效率低，那么在函数层层嵌套下，整个函数执行完的时间就会变长，就有可能出现未响应的情况。
如果一个软件，每一步操作都非常耗时，给人的体验就是非常卡，那么这款软件最终的归宿就是走向灭亡，所以 执行效率 对于编程来说是至关重要的，而这里的执行效率就对应的算法的时间复杂度。
所谓穷举法，就是我们通常所说的枚举，就是把所有情况都遍历了（跑到）的意思。举个最简单的例子：
【例题1】给定 n ( n ≤ 1000 ) n(n \le 1000) n(n≤1000) 个元素 a i a_i ai，求其中 奇数 有多少个。
判断一个数是偶数还是奇数，只需要求它除上 2 的余数是 0 还是 1，那么我们把所有数都判断一遍，并且对符合条件的情况进行计数，最后返回这个计数器就是答案，这里需要遍历所有的数，这就是穷举。如图所示：
c/c++ 代码实现如下：
int countOdd(int n, int a[]) {
int cnt = 0;
for(int i = 0; i < n; ++i) {
if(a[i] & 1)
++cnt;
}
return cnt;
}
其中a & 1等价于a % 2，代码a模 2 的余数；而这个算法的时间复杂度就是
O
(
n
)
O(n)
O(n)。
经过上面的例子，相信你对穷举法已经有一定的理解，那么我们来看看稍微复杂一点的情况。
【例题2】给定 n ( n ≤ 1000 ) n(n \le 1000) n(n≤1000) 个元素 a i a_i ai，求有多少个二元组 ( i , j ) (i,j) (i,j)，满足 a i + a j a_i + a_j ai+aj 是奇数 ( i < j ) (i \lt j) (i<j)。
我们还是秉承穷举法的思想，这里需要两个变量
i
i
i 和
j
j
j，所以可以枚举
a
i
a_i
ai 和
a
j
a_j
aj，再对
a
i
+
a
j
a_i + a_j
ai+aj 进行奇偶性判断，所以很快设计出一个利用穷举的算法。如图所示：
c/c++ 代码实现如下：
int countOddPair(int n, int a[]) {
int cnt = 0;
for(i = 0; i < n; ++i) {
for(j = i+1; j < n; ++j) {
if( (a[i] + a[j]) & 1)
++cnt;
}
}
return cnt;
}
而这个算法的时间复杂度就是 O ( n 2 ) O(n^2) O(n2)。简单来说，通过循环的嵌套次数，可以大致估计出一个算法的时间复杂度。
而当我们在玩一个游戏的时候，这个游戏占据的内存越大，对我们的机器要求就越高，要求越高，用户自然就越少，所以内存的占用也是至关重要的，这正是对应的算法的空间复杂度。这里就不再展开了。
选择合适的数据结构，在有效的权衡 时间复杂度 和 空间复杂度，设计出合适的算法来解决问题，这是我们编程设计需要思考的事情。
很多人问我，数据结构和算法 同 人工智能 中的那些算法有什么区别，两者有联系也有区别，前者是基础，每个学计算机的同学都应该掌握，在工作中会帮助你更好的理解问题，剖析原理。后者相对较难，如果不是将来要从事相关工作，可能基本用不到它。
为什么很多人学不好数据结构？原因就是没有从本质去理解数据结构的概念，任何一种算法都会对应一种数据结构。例如二分查找对应的是顺序表（因为不可能在链表上执行二分查找）、递归对应的是树、最短路对应的是图。
而核心的数据结构就只有三种：线性表、树、图。
再抽象一点，其实只有一种数据结构，就是图。
图就是由 顶点 和 边 构成的网络，像这样。如果一个图中任意两点间都可达，就叫连通图。从一个点经过若干的不重复边，回到自己，我们叫它圈，没有圈的图，实际上就是一棵树。
我们适当调整它的位置，就成了我们现实中的树，而把树的枝干剪掉，就变成了一个线性的结构，这就成了线性表。
平时上课的时候都是从 线性表 讲到 图，而当我们逆向思考发现，所有的数据结构，本质都是图。并且所有的数据结构按照存储方式，既可以用顺序的方式进行存储，也可以用链式的方式进行存储。
而 栈 和 队列 是两种线性表；树则根据分叉数量，可以是 二叉树、三叉树、四叉树、… ，其中 二叉树最为常见，二叉搜索树必须掌握，并且自己能够手写它的常见遍历；平衡二叉树是效率最高的二叉搜索树，平时没遇到是因为很多库都给你封装好了，像 C++ 中的 map 底层实现红黑树就是一种平衡二叉树，哈希表在冲突时拉链也有可能转化成平衡二叉树；堆则是一种完全二叉树，应用在优先队列中，如 C++ 中的 priority_queue；图主要分为有向图、无向图，其上的算法有很多，比较经典的是最短路和最小生成树。
这个问题，取决于你在准备的过程中是否尽力了，如果因为不会就放弃，躺平，那么关系很大；如果已经尽力了，还是做不出来，那可能真的是天赋的问题，这个是很难改善的，要通过后期巨大的努力才行，而目前很多校招算法题，一定是往难了出的，你会发现就算是面试官，在之前没有接触到这道题的时候，他也不见得能做出来，毕竟实际工作中，不会给你一道题，而是给你一个实际的问题，需要抽丝剥茧，逐渐将问题简化，最终通过合适的方法来解决它。
所以，如果你正在为这些校招的算法题不会做而焦虑，其实也不必太焦虑，用焦虑的时间尽量多写一点代码，如果算法学不好，可以尝试做一些小项目，例如俄罗斯方块，打砖块，三消这些小游戏，自己能写尽量自己写，在实现一个一个小游戏的时候，你会发现其中每一步都充斥着算法，只是没有那么生硬，会更好的理解和掌握相关的知识点。
能学一点是一点，基础的算法也就这么多了。
基础的数据结构
这两大块内容搞懂基本就OK了。
往期的算法集训，根据学员的反馈，一天一个算法实在太难吃透了，所以从六月集训开始，我们开始有针对性的去做训练，并不一定每个月要把所有算法学完，而是把会的算法学透，给大家充足的时间来学习和刷题。
每天的任务，主要分为以下几个步骤：
1、相关资料阅读；
2、观看星主刷题视频；
3、刷完星主布置的课后习题（每天1-4题）；
4、在星球发布每日总结和复盘；
5、提交作业打卡；
九月的集训内容为基础算法。参加八月集训时，六七八月集训的所有内容均可 永久观看，并且承诺可以继续参加 和 十月、十一月 的集训（十二月以后的规划后续会放出，今天报名以后，同样可以参加）。所以这点可以放心，不用担心自己跟不上以后就再也跟不上了。八月集训的内容，已经归档，可以在 星球 随时查看。