算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。 算法是一组完成任务的指令。任何代码片段都可视为算法。

我相信大家可能都看过或者玩过一个游戏——数字炸弹，在一个数字范围内，有一个数字作为炸弹，谁猜中这个炸弹就要被惩罚。 规则是猜中被惩罚，那我们改一改，猜中了有奖励。此时你的目标就是以最少的此次数猜中这个数字，你每次猜测后，我会说小了，大了或对了。假设我们以1-100为范围，你从1开始依次往上猜，那么这个过程就会是这样 而这便是简单查找，也可以说是傻找，运气好你可能一次就能猜对，运气差，你可能得猜99次。 下面是一种更好得查找方式，也就是二分查找，每次猜数我们从一半开始，这样每次就能排除一半的数字。 而这我们最多只需要七次便能猜到。 如果一个列表，里面有240000个元素，我们通过简单查找，如果要查找的元素在列表尾部，可能需要240000步，但通过二分查找，只需要18步,即对包含n个元素的列表，用二分查找，最多只需要log2n步，而简单查找需要n步，但仅当列表是有序的，二分查找才适用。 我们用python代码来实现看看

运行结果： 可以看出二分查找确实要快于简单查找，在列表元素越多，被查找元素越位于列表尾端，二分查找的效率更快，时间更短。二分查找的运行时间为对数时间或者log时间，那么当遇见其他算法的时候，我们该怎么表示它的运行时间或者运行快慢呢，接下来要说的是一种大O表示法。

大O表示法事是一种特殊的表示方法，指出了算法的速度有多快，例如，一个列表包含n个元素。通过简单查询需要检查每个元素，因此执行了n次操作，使用大O表示法，这个运行时间为O（n），有人会问，为什么不使用时间秒，分钟什么的来表达或者记时，因为算法的运行时间是以不同的速度增加的，比如假设检查100个元素，需要100毫秒，而使用二分查找时，只需要7毫秒，那么此时我们心想二分查找的速度时简单查找的15倍，那么检查10亿个元素，只需要30x15=450毫秒，因为二分查找10亿个元素只需要30毫秒，但是这样时错误的，实际简单查找10亿个元素需要许多天，所以我们无法用秒来记速。 大O表示法让你能够比较操作数，他指出了算法运行时间的增速。 用大O表示法表示二分查找就是这样O（logn） 大O表示法指出了最糟糕情况下的运行时间，比如列表有n个元素，而我们所要查找的元素恰好位于第一个，那么简单查找的运行时间就为O（1）吗？显然不对的，简单查找的运行时间始终为O（n），一次就找到这是我们最想要的结果，但大O表示法说的时最糟糕的情况，你可以理解为大O表示法为一个保障，即你简单查找，最多查找的次数不会超过n。 一些常见的大O运行时间