❶ 學數據結構和演算法之前要先學什麼
學習演算法和數據結構就是把你的程序運行速度變得更快，內存需求變得更小，代碼長度變得更短。正式進入數據結構和演算法前需要了解下C++內存的那些事。
在C++中，內存分成5個區，他們分別是堆、棧、自由存儲區、全局/靜態存儲區和常量存儲區。
棧，在執行函數時，函數內局部變數的存儲單元都可以在棧上創建，函數執行結束時這些存儲單元自動被釋放。棧內存分配運算內置於處理器的指令集中，效率很高，但是分配的內存容量有限；
堆，就是那些由new分配的內存塊，它們的釋放編譯器不去管，由我們的應用程序去控制，一般一個new就要對應一個delete。如果程序員沒有釋放掉，那麼在程序結束後，操作系統會自動回收；
自由存儲區，就是那些由malloc等分配的內存塊，它和堆是十分相似的，不過它是用free來結束自己的生命的；
全局/靜態存儲區，全局變數和靜態變數被分配到同一塊內存中，在以前的C語言中，全局變數又分為初始化的和未初始化的，在C++裡面沒有這個區分了，他們共同佔用同一塊內存區；
常量存儲區，這是一塊比較特殊的存儲區，它們裡面存放的是常量，不允許修改。
以上內容摘自《C++內存管理技術內幕》，學習數據結構和演算法前可以多多看一下。
❷ 學習演算法需要什麼樣的數學基礎
具體看做哪方面的演算法，普通碼農有高數基礎就行了，大數據需要概率論和數理統計方面的知識，機器學習需要線性代數、數值分析、最優化、概率論、隨機過程等知識，密碼學涉及到線性代數、抽象代數、代數幾何等，網上這些課程都有。
❸ 學習演算法導論需要什麼數學基礎或者其他的基礎嗎
演算法導論的數學基礎要求不是很高 確切的說老外的書 對於數學的要求都不是很高 但 人家要的是研究的態度 線代 高數 還有一點點的離散數學基礎就可以了
❹ 如何掌握演算法，要從C語言的基礎開始慢慢學習嗎！
掌握演算法不需要學習C語言，但是演算法是為了自動化工作，這樣演算法才有意義。計算機語言是演算法的載體，將演算法轉換成計算機代碼。你也可以學習其他計算機語言，比如python之類的，哪種語言最簡單最易學，最能夠表述就用哪個。學matlab也行
❺ 學習演算法分析與設計需要那些基礎(是否需要學習離散數學和線性代數)
演算法分析與設計，目前國內本科生和碩士生的教材好像都是從國外翻譯過來的。聽起來挺復雜的樣子，如果簡單地掌握和運用還是不難的，大部分內容在數據結構中都涉及過，實際編程中也運用比較多，難的在於演算法的理論研究，如21世紀的七大難題之一的NP問題就是演算法問題（涉及邏輯可滿足性問題）。
簡單地講需要的基礎有以下幾類：
1、基礎類（相對一般本科生而言）：（1）把數據結構學好了演算法就不難的，而數據結構其實就是圖論的運用，如果是非數學專業的學生可以看離散數學中的圖論部分。（2）演算法分析設計時間和空間復雜度的計算，常用的還是毛澤東的戰略思想——以空間換取時間。所以要學會簡單的數量級運算，涉及部分代數式和數論的知識。只要簡單掌握運算就可以了，不必深究。
2、提高型（研究生水平）：圖論、組合數學、數理邏輯學要專門學習，可以採用數學系本科生的圖論、組合數學、數理邏輯學等專業課的教材。其中組合數學中的組合設計在一定程度上和演算法設計有異曲同工之處。
3、研究型（專業研究）：這主要看自己的研究方向了，如果研究能力強的話可以在很短時間內可以把需要遇到的數學知識搞懂，沒有現成的固定模式。其中如研究NP問題，需要非常精深的邏輯學知識和數論基礎。但不管哪個研究方向，數學的縝密思維和推理能力都是必備的，這不是一朝一夕可以練就的，需要長時間的鍛煉。
以上僅個人一點點體會，僅供參考。