接下來幾天讓我們挑戰看看leetcode的一些基本題目吧！不過在這之前讓我們來先介紹一下演算法與時間複雜度。

什麼是演算法？

根據維基百科：

演算法（algorithm），在數學（算學）和電腦科學之中，為任何良定義的具體計算步驟的一個序列，常用於計算、資料處理和自動推理。精確而言，演算法是一個表示爲有限長，列表的有效方法。演算法應包含清晰定義的指令，用於計算函式。

相信看完上面那段應該還是不太了解什麼是演算法，讓我們來簡化一下：

演算法是一個有輸入跟輸出，且具有明確和有限能夠解決問題的步驟。

再用簡單用一句話來形容就是：

輸入一個東西，想要得到另外一個東西，經過的過程就是所謂的演算法。

讓我們用「炒菜」來解釋解釋，炒一盤青菜可能會需要這些步驟：

1. 放油到鍋子
2. 放蒜下去爆香
3. 放下青菜
4. 放入一匙鹽巴
5. 如果喜歡加入一點辣椒
6. 然後大火快炒翻鍋５遍
7. 美味的青菜完成

我們把食材丟下去，透過清楚明確的有限步驟，我們能得出一盤青菜。

在認識了演算法基本的定義後，就讓我們進一步來認識什麼是時間複雜度？

時間複雜度

我們遇到同一個問題，解決的方法可能會有很多種，那怎麼評斷方法的好壞？這個時候就需要指標。評斷指標有兩個：

1. 時間複雜度（花的時間）
2. 空間複雜度（佔的空間）

今天我們來介紹時間複雜度，那時間複雜度通常用大 O 符號（Big O notation）來記錄時間複雜度的快慢。

讓我們直接來看範例：

function plus(num){
  return num + 2;
}

上面的範例來說演算法執行的步驟是固定的，無關輸入的值而改變，那我們會記成 O(1)。

範例2：

for(var i = 0; i < n; i++){
    console.log(i);
}

範例2，可以發現for迴圈指行的次數會隨著n的值而改變，所以會記成 O(n)。

範例3：

for(var i = 0; i < n; i++){
    for(var j = 0; j < n-1; j++){
        console.log(i * j)
    }
}

範例3跑了 n×(n−1)=n2−n 次，但還是會記做 O(n＾2) ，只取最高次方。

除了上面三個範例外還有其他的時間複雜度：

• O(logn)
• O(nlogn)
• O(2^n)

補充：

• 通常會希望一個演算法至少能比 O(n^2) 還要快，如果能到 O(n)、O(1) 甚至是 O(log n) 的話是最理想的情況。
• 演算法的速度不是以秒計算，而是以步驟次數。

以上是今天對於基本演算法與時間複雜度介紹，明天讓我回來介紹Array的各種方法吧！