第1章 算法基础知识
在开始算法学习之前，你需要一点背景知识。简单地说，首先需要知道的是算法是完成某些事情的方法。它定义了用某个方法执行一个任务的步骤。
这个定义看起来足够简单，但是没有人为了做一件十分简单的工作而写算法。没有人写指令来获取数组中的第四个元素。这只是假设这是一个数组定义的一部分，并且你知道怎么去做（如果你知道如何在这个问题中使用编程语言）。
一般来说，人们只是为了完成复杂的任务而写算法。算法解释了如何找到一个复杂代数问题的答案，如何在一个包含数千条街道的网络中找到最短路径，抑或是如何在数百个投资中找到最好的投资组合来使利益最大化。
本章介绍一些基本的算法概念。如果想从算法学习中获得最大的收获，就应该理解它们。
跳过这一章然后去学某个特定的算法似乎很有诱惑力，但是你至少应该浏览一下这一章。请着重注意1.4.1节，因为对运行时间是否有良好理解意味着算法能否在数秒、数小时内完成任务，还是永远不能完成任务。
1.1 方法
为了尽可能地了解一个算法，你需要做出更多努力而非简单地遵循它的步骤。你需要理解以下内容：
算法的行为： 它寻找出了最好的方法还是仅仅找出了一个可行的解决办法？可能有多个最佳的解决方案吗？是否有一个方法可以从其他解决方案中寻找到一个“最佳”解决方案？
算法的速度：这个算法是快还是慢？还是它通常是快的，但有时对于某些输入慢？
算法的存储要求：这个算法需要多大的存储空间？这个大小合理吗？这个算法是否需要数十亿TB的存储空间，比一台计算机可能有的存储空间还多（至少对现在的计算机来说如此）？
算法设计主要使用的技巧：是否可以利用这些技术解决类似的问题？
这本书涵盖了所有这些主题。然而，本书没有试图用数学的精确理论去涵盖每一个算法的每一个细节。本书使用一种直观的方法来解释算法及其性能，但是本书没有用严谨的细节去分析算法的性能。尽管这种细节分析的证明可能是有趣的，但它也可能让人混乱，并且会占用大量的篇幅，提供了对大多数程序员来说不必要的细节。毕竟，这本书主要适用于需要完成工作的专业程序员。
本书把具有相关主题的算法归在一章。有时这个主题是它们所执行的任务（排序、搜索、网络算法），有时是它们所使用的数据结构（链表、数组、散列表、树），有时是它们使用的技巧（递归、决策树、分布式算法）。粗看起来，这些分组似乎是任意的，但当你读到这些算法的时候，可以看到它们很好地组合在一起。
除了这些类别，许多算法的基本主题跨越章节界限。例如，树算法（第10、11和12章）往往是高度递归的（第9章）。链表（第3章）可用于建立数组（第4章）、散列表（第8章）、栈（第5章）和队列（第5章）。引用和指针的概念可以用来建立链表（第3章）、树（第10、11和12章）和网络（第13和14章）。在阅读时，请关注这些共同的线索。附录A中总结了常见的策略，这些策略能使这些想法更容易被理解。