CarrieYung我第一份工作入职第一周，导师让我写一个冒泡排序。我当时觉得这还不简单，两分钟交上去，结果他看了一眼就问：“这个排序稳定吗？最好情况和最坏情况时间复杂度差多少？能不能优化？”我当场愣住。后来我才发现，算法这行真正难的从来不是“写出来”，而是“想明白”。很多新手容易栽跟头，不是因为代码量不够，而是对最基础的概念、最常见的坑没有建立起系统的认知。
这篇文章就是写给正在学算法的新手朋友。我会结合实际场景，把复杂度、排序、二分查找、递归、动态规划这些绕不开的简单算法拆开讲清楚，同时把新手最容易踩的坑和排查思路一并整理出来。不管你是科班在读还是转行自学，只要能把这篇内容吃透，再回头刷题或做项目，会觉得顺很多。整篇内容我已经过滤掉了晦涩的数学推导，尽可能用实际案例和代码说话，你可以直接照着拿到自己的代码里跑一遍。
1. 算法学习，先搞懂这5个底层概念
很多人一上来就刷 LeetCode，觉得“题刷得越多越厉害”。我不反对刷题，但你得先搞懂几个底层概念，否则刷题只是在背答案，换个场景就不会了。我个人认为，新手阶段最值得先花时间的是下面这5个点：时间复杂度、数据结构选型、递归思想、空间换时间、调试意识。
1.1 时间复杂度：不要把 O(n) 和“运行时长”划等号
时间复杂度，准确说是“渐近时间复杂度”，它描述的是算法执行时间随数据规模增长的变化趋势，而不是具体跑多少毫秒。举个实际例子，你的机器跑一个 O(n) 的算法，在 n=1000 时可能只要0.01秒；但一个 O(n²) 的算法在 n=1000 时可能要1秒；看起来差距不大，可当 n 变成 100000 时，O(n) 还是很快，而 O(n²) 就会跑到天荒地老。
理解这个概念，你需要掌握几个常见复杂度量级，从快到慢大概是：O(1) < O(log n) < O(n) < O(n log n) < O(n²) < O(2ⁿ)。很多新手会忽略常数项，比如 O(2n) 和 O(100n) 本质上都是 O(n)，但在实际使用中常数项也值得关注。面试或工程里，我们通常会关注最坏情况复杂度，同时也要留意平均情况，比如快速排序平均 O(n log n)，但最坏 O(n²)，这点后面细说。
1.2 数据结构：算法和容器是绑定的
学算法不能脱离数据结构。你要排序，得知道数组和链表哪个更适合随机访问；要频繁在头部插入删除，那链表比数组好使；要实现撤销操作，栈是天然选择；要实现排队场景，队列更合适；要快速判断一个元素是否存在，哈希表的时间复杂度是 O(1)。
我见过不少新手，链表还没搞明白就去啃图论，结果写出来的“图遍历”实际上是在数组里瞎转。我给的建议是：先把数组、链表、栈、队列、哈希表、树这六种基础结构的基本操作和适用场景吃透，再开始学排序和搜索。数据结构是容器的选型，算法的本质是在容器上做的操作策略，两者无法分开谈。
1.3 递归思想：先学会“相信函数”
递归是新手最头疼的点之一。我总结了一个方法：你要学会“相信这个函数能完成它的功能”。比如你要写一个计算阶乘的函数fact(n)，你只需要明确两点：第一，n=0或n=1时返回1，这是递归出口；第二，对于任意n>1，fact(n) = n * fact(n-1)，这里假设fact(n-1)已经能正确工作。
很多新手写递归时会不由自主地在脑子里展开全部调用链，试图“人肉模拟”每一层调用。这在递归深度很浅时还可以，一旦超过四五层就晕了。正确的做法是“宏观审视”，只关心当前这一层做什么、递归出口在哪里、参数如何向出口收敛。只要这三点想清楚，递归基本不会写错。当然，递归也并非没有代价，每一层调用都会产生函数栈帧，占用内存，深度太大还会栈溢出，这个我们后面详细展开。
1.4 空间换时间：算法的精髓之一
很多算法优化的核心思路就是“用空间换时间”。典型代表是哈希表和动态规划。哈希表用额外内存存储键值映射，换取 O(1) 的查询时间；动态规划用数组记录子问题的解，避免重复计算。新手在学算法时往往不舍得开数组，或者不知道怎么用缓存，导致写的代码逻辑对但性能差。
我建议你在分析任何算法的时候，都养成一个习惯：问自己“有没有什么东西被我重复算了很多次？能不能存下来复用？”这个问题一旦开始出现在你的脑子里，你对算法的理解就上了一个台阶。后文讲斐波那契数列时，你会看到同一个问题在“重复计算”和“记忆化”之间的巨大差异，那就是“空间换时间”最生动的演示。
1.5 调试与测试意识：新手最容易忽略的
很多新手写完代码能跑通就觉得自己“会了”，但算法题的坑往往藏在边界条件里。比如循环里数组越界、空数组、单元素数组、全相等数组、已经有序的数组……这些用例在实际工作中远比“标准样例”更容易暴露问题。我自己的习惯是：每次写完一个算法，先用最极端的几个例子测一下，再跑正常数据。不要嫌麻烦，这在找工作时就是你能不能通过面试的关键。
调试工具方面，IDE 的断点调试是必须掌握的，但很多人更喜欢用 print 大法，这也没问题。关键是要有“定位意识”：出问题时，不要满屏幕加 print，而是先根据报错信息判断是逻辑问题还是内存问题，再用二分法缩小排查范围。比如一个排序算法结果不对，就先打印中间状态，看第几次交换后顺序开始乱，这样很容易定位到具体的比较或交换逻辑。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 新手必学的三大排序算法
排序算法是算法学习的“必修课”，也是面试常客。这部分只挑三个对新手最有价值的来讲：冒泡排序、选择排序、快速排序。归并排序也很重要，但它在理解了分治思想之后更容易上手，所以放到快速排序里一起说。
2.1 冒泡排序：理解“比较”和“交换”的入门砖
冒泡排序的思路很直白：从头到