算法导论：练习1.1
今天跟一个朋友约定，一起开始认真学习算法。于是翻出了买了多年，但是从未看过的《算法导论》。认认真真看起来。记得多年前，就一直在这本书上受挫，这是除了《代码大全》外，另一本归入“买了永远不会看”分类的书。我现在的想法是，我看完这本书，并认真完成所有的练习，是否肯定可以获得一定程度上的收获呢？哪怕是花去人生中的很多年，也一定要完成。
- 给出一个真实世界的例子，其中包含着下列的某种计算问题：排序，确定多矩阵相乘的最佳顺序，或者找出凸壳。
这是1.1节的第一个练习题，如果认真看题目，并思考的话，会发觉，这其实是一个相当困难的题目。反正我的第一个直觉就是，我不可能想出来真实世界中有什么地方是要用到多矩阵相乘，或者找出凸壳这种东西的。对于矩阵的认识，我停留在大学时代学过的线性代数的残留记忆的水平，约等于是一无所知。当年也是如此，学习线性代数，也只是当成一门数学来学习，从来没有想到过，这门学科可以用在真实生活中的什么地方。而美国随便一本计算机教材的第一章，第一节，要求学生思考真实生活中什么地方用到这个数学的知识，正是以把知识和生活紧密结合为导向，向学生传递知识，如果学生真的认真思考，很难想见这些学生会没有成就，学生对此问题的理解会不深。
而反思自己，无论是学习线性代数的时候，还是学习算法的时候，我从来没有想到过，某个数学概念和或者某个算法跟真实生活的联系，也难怪，学过了就忘记，要是记住了，那才真的是奇怪。
要说真实世界用到排序的例子，那是相当简单的，我决定每个人至少能说出个十种八种。我就说一个我最近生活中常常碰到的，就是在12306购买火车票的时候，我最常用的，就是按照发车时间顺序排序，或者在使用手机查询列车时刻表的时候，按照列车行程时间排序，以便我买到车程最短的列车。
- 除了运行速度以外，在真实世界问题背景中，还可以用那些效率指标？
关于算法效率指标，我马上就能想到的还有一个，就是算法耗费的内存。我们常说时间换空间，或者空间换时间，就是说这二者是一对矛盾，所以，衡量算法效率，除了时间，就是空间。也就是存储。
- 选择你原来见过的某种数据结构，讨论一下其长处和局限性。
先选一个最简单的，就是数组。这是一种线性的数据结构。其长处是按照下标读取元素的速度相当快而且简单。缺点是，一旦需要数组元素变动，操作就会极为复杂，比如在中间插入一个元素，后面所有的原素都要跟着挪动位置。另外一个缺点就是数组的原素个数是固定的。数组的空间是静态的。