❶ c语言中什么叫算法,算法在程序设计中的重要作用
一、什么是算法
算法是一系列解决问题的清晰指令，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。算法常常含有重复的步骤和一些比较或逻辑判断。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。
算法的时间复杂度是指算法需要消耗的时间资源。一般来说，计算机算法是问题规模n 的函数f(n)，算法执行的时间的增长率与f(n) 的增长率正相关，称作渐进时间复杂度（Asymptotic Time Complexity）。时间复杂度用“O（数量级）”来表示，称为“阶”。常见的时间复杂度有： O（1）常数阶；O（log2n）对数阶；O（n）线性阶；O（n2）平方阶。
算法的空间复杂度是指算法需要消耗的空间资源。其计算和表示方法与时间复杂度类似，一般都用复杂度的渐近性来表示。同时间复杂度相比，空间复杂度的分析要简单得多。
二、算法设计的方法
1.递推法
递推法是利用问题本身所具有的一种递推关系求问题解的一种方法。设要求问题规模为N的解，当N=1时，解或为已知，或能非常方便地得到解。能采用递推法构造算法的问题有重要的递推性质，即当得到问题规模为i-1的解后，由问题的递推性质，能从已求得的规模为1，2，…，i-1的一系列解，构造出问题规模为I的解。这样，程序可从i=0或i=1出发，重复地，由已知至i-1规模的解，通过递推，获得规模为i的解，直至得到规模为N的解。
【问题】 阶乘计算
问题描述：编写程序，对给定的n（n≤100），计算并输出k的阶乘k！（k=1，2，…，n）的全部有效数字。
由于要求的整数可能大大超出一般整数的位数，程序用一维数组存储长整数，存储长整数数组的每个元素只存储长整数的一位数字。如有m位成整数N用数组a[ ]存储：
N=a[m]×10m-1+a[m-1]×10m-2+ … +a[2]×101+a[1]×100
并用a[0]存储长整数N的位数m，即a[0]=m。按上述约定，数组的每个元素存储k的阶乘k！的一位数字，并从低位到高位依次存于数组的第二个元素、第三个元素……。例如，5！=120，在数组中的存储形式为：
3 0 2 1 ……
首元素3表示长整数是一个3位数，接着是低位到高位依次是0、2、1，表示成整数120。
计算阶乘k！可采用对已求得的阶乘(k-1)！连续累加k-1次后求得。例如，已知4！=24，计算5！，可对原来的24累加4次24后得到120。细节见以下程序。
# include <stdio.h>
# include <malloc.h>
......
2.递归
递归是设计和描述算法的一种有力的工具，由于它在复杂算法的描述中被经常采用，为此在进一步介绍其他算法设计方法之前先讨论它。
能采用递归描述的算法通常有这样的特征：为求解规模为N的问题，设法将它分解成规模较小的问题，然后从这些小问题的解方便地构造出大问题的解，并且这些规模较小的问题也能采用同样的分解和综合方法，分解成规模更小的问题，并从这些更小问题的解构造出规模较大问题的解。特别地，当规模N=1时，能直接得解。
【问题】 编写计算斐波那契（Fibonacci）数列的第n项函数fib（n）。
斐波那契数列为：0、1、1、2、3、……，即：
fib(0)=0;
fib(1)=1;
fib(n)=fib(n-1)+fib(n-2) （当n>1时）。
写成递归函数有：
int fib(int n)
{ if (n==0) return 0;
if (n==1) return 1;
if (n>1) return fib(n-1)+fib(n-2);
}
递归算法的执行过程分递推和回归两个阶段。在递推阶段，把较复杂的问题（规模为n）的求解推到比原问题简单一些的问题（规模小于n）的求解。例如上例中，求解fib(n)，把它推到求解fib(n-1)和fib(n-2)。也就是说，为计算fib(n)，必须先计算fib(n-1)和fib(n-2)，而计算fib(n-1)和fib(n-2)，又必须先计算fib(n-3)和fib(n-4)。依次类推，直至计算fib(1)和fib(0)，分别能立即得到结果1和0。在递推阶段，必须要有终止递归的情况。例如在函数fib中，当n为1和0的情况。
在回归阶段，当获得最简单情况的解后，逐级返回，依次得到稍复杂问题的解，例如得到fib(1)和fib(0)后，返回得到fib(2)的结果，……，在得到了fib(n-1)和fib(n-2)的结果后，返回得到fib(n)的结果。
在编写递归函数时要注意，函数中的局部变量和参数知识局限于当前调用层，当递推进入“简单问题”层时，原来层次上的参数和局部变量便被隐蔽起来。在一系列“简单问题”层，它们各有自己的参数和局部变量。
由于递归引起一系列的函数调用，并且可能会有一系列的重复计算，递归算法的执行效率相对较低。当某个递归算法能较方便地转换成递推算法时，通常按递推算法编写程序。例如上例计算斐波那契数列的第n项的函数fib(n)应采用递推算法，即从斐波那契数列的前两项出发，逐次由前两项计算出下一项，直至计算出要求的第n项。
【问题】 组合问题
问题描述：找出从自然数1、2、……、n中任取r个数的所有组合。例如n=5，r=3的所有组合为： （1）5、4、3 （2）5、4、2 （3）5、4、1
（4）5、3、2 （5）5、3、1 （6）5、2、1
（7）4、3、2 （8）4、3、1 （9）4、2、1
（10）3、2、1
分析所列的10个组合，可以采用这样的递归思想来考虑求组合函数的算法。设函数为void comb(int m,int k)为找出从自然数1、2、……、m中任取k个数的所有组合。当组合的第一个数字选定时，其后的数字是从余下的m-1个数中取k-1数的组合。这就将求m个数中取k个数的组合问题转化成求m-1个数中取k-1个数的组合问题。设函数引入工作数组a[ ]存放求出的组合的数字，约定函数将确定的k个数字组合的第一个数字放在a[k]中，当一个组合求出后，才将a[ ]中的一个组合输出。第一个数可以是m、m-1、……、k，函数将确定组合的第一个数字放入数组后，有两种可能的选择，因还未去顶组合的其余元素，继续递归去确定；或因已确定了组合的全部元素，输出这个组合。细节见以下程序中的函数comb。
【程序】
# include <stdio.h>
# define MAXN 100
int a[MAXN];
void comb(int m,int k)
{ int i,j;
for (i=m;i>=k;i--)
{ a[k]=i;
if (k>1)
comb(i-1,k-1);
else
{ for (j=a[0];j>0;j--)
printf(“%4d”,a[j]);
printf(“\n”);
}
}
}
void main()
{ a[0]=3;
comb(5,3);
}
3.回溯法
回溯法也称为试探法，该方法首先暂时放弃关于问题规模大小的限制，并将问题的候选解按某种顺序逐一枚举和检验。当发现当前候选解不可能是解时，就选择下一个候选解；倘若当前候选解除了还不满足问题规模要求外，满足所有其他要求时，继续扩大当前候选解的规模，并继续试探。如果当前候选解满足包括问题规模在内的所有要求时，该候选解就是问题的一个解。在回溯法中，放弃当前候选解，寻找下一个候选解的过程称为回溯。扩大当前候选解的规模，以继续试探的过程称为向前试探。
【问题】 组合问题
问题描述：找出从自然数1，2，…，n中任取r个数的所有组合。
采用回溯法找问题的解，将找到的组合以从小到大顺序存于a[0]，a[1]，…，a[r-1]中，组合的元素满足以下性质：
（1） a[i+1]>a，后一个数字比前一个大；
（2） a-i<=n-r+1。
按回溯法的思想，找解过程可以叙述如下：
首先放弃组合数个数为r的条件，候选组合从只有一个数字1开始。因该候选解满足除问题规模之外的全部条件，扩大其规模，并使其满足上述条件（1），候选组合改为1，2。继续这一过程，得到候选组合1，2，3。该候选解满足包括问题规模在内的全部条件，因而是一个解。在该解的基础上，选下一个候选解，因a[2]上的3调整为4，以及以后调整为5都满足问题的全部要求，得到解1，2，4和1，2，5。由于对5不能再作调整，就要从a[2]回溯到a[1]，这时，a[1]=2，可以调整为3，并向前试探，得到解1，3，4。重复上述向前试探和向后回溯，直至要从a[0]再回溯时，说明已经找完问题的全部解。按上述思想写成程序如下：
【程序】
# define MAXN 100
int a[MAXN];
void comb(int m,int r)
{ int i,j;
i=0;
a=1;
do {
if (a-i<=m-r+1
{ if (i==r-1)
{ for (j=0;j<r;j++)
printf(“%4d”,a[j]);
printf(“\n”);
}
a++;
continue;
}
else
{ if (i==0)
return;
a[--i]++;
}
} while (1)
}
main()
{ comb(5,3);
}
4.贪婪法
贪婪法是一种不追求最优解，只希望得到较为满意解的方法。贪婪法一般可以快速得到满意的解，因为它省去了为找最优解要穷尽所有可能而必须耗费的大量时间。贪婪法常以当前情况为基础作最优选择，而不考虑各种可能的整体情况，所以贪婪法不要回溯。
例如平时购物找钱时，为使找回的零钱的硬币数最少，不考虑找零钱的所有各种发表方案，而是从最大面值的币种开始，按递减的顺序考虑各币种，先尽量用大面值的币种，当不足大面值币种的金额时才去考虑下一种较小面值的币种。这就是在使用贪婪法。这种方法在这里总是最优，是因为银行对其发行的硬币种类和硬币面值的巧妙安排。如只有面值分别为1、5和11单位的硬币，而希望找回总额为15单位的硬币。按贪婪算法，应找1个11单位面值的硬币和4个1单位面值的硬币，共找回5个硬币。但最优的解应是3个5单位面值的硬币。
【问题】 装箱问题
问题描述：装箱问题可简述如下：设有编号为0、1、…、n-1的n种物品，体积分别为v0、v1、…、vn-1。将这n种物品装到容量都为V的若干箱子里。约定这n种物品的体积均不超过V，即对于0≤i＜n，有0＜vi≤V。不同的装箱方案所需要的箱子数目可能不同。装箱问题要求使装尽这n种物品的箱子数要少。
若考察将n种物品的集合分划成n个或小于n个物品的所有子集，最优解就可以找到。但所有可能划分的总数太大。对适当大的n，找出所有可能的划分要花费的时间是无法承受的。为此，对装箱问题采用非常简单的近似算法，即贪婪法。该算法依次将物品放到它第一个能放进去的箱子中，该算法虽不能保证找到最优解，但还是能找到非常好的解。不失一般性，设n件物品的体积是按从大到小排好序的，即有v0≥v1≥…≥vn-1。如不满足上述要求，只要先对这n件物品按它们的体积从大到小排序，然后按排序结果对物品重新编号即可。装箱算法简单描述如下：
{ 输入箱子的容积；
输入物品种数n；
按体积从大到小顺序，输入各物品的体积；
预置已用箱子链为空；
预置已用箱子计数器box_count为0；
for (i=0;i<n;i++)
{ 从已用的第一只箱子开始顺序寻找能放入物品i 的箱子j；
if （已用箱子都不能再放物品i）
{ 另用一个箱子，并将物品i放入该箱子；
box_count++；
}
else
将物品i放入箱子j；
}
}
上述算法能求出需要的箱子数box_count，并能求出各箱子所装物品。下面的例子说明该算法不一定能找到最优解，设有6种物品，它们的体积分别为：60、45、35、20、20和20单位体积，箱子的容积为100个单位体积。按上述算法计算，需三只箱子，各箱子所装物品分别为：第一只箱子装物品1、3；第二只箱子装物品2、4、5；第三只箱子装物品6。而最优解为两只箱子，分别装物品1、4、5和2、3、6。
若每只箱子所装物品用链表来表示，链表首结点指针存于一个结构中，结构记录尚剩余的空间量和该箱子所装物品链表的首指针。另将全部箱子的信息也构成链表。以下是按以上算法编写的程序。
}
5.分治法
任何一个可以用计算机求解的问题所需的计算时间都与其规模N有关。问题的规模越小，越容易直接求解，解题所需的计算时间也越少。例如，对于n个元素的排序问题，当n=1时，不需任何计算；n=2时，只要作一次比较即可排好序；n=3时只要作3次比较即可，…。而当n较大时，问题就不那么容易处理了。要想直接解决一个规模较大的问题，有时是相当困难的。
分治法的设计思想是，将一个难以直接解决的大问题，分割成一些规模较小的相同问题，以便各个击破，分而治之。
如果原问题可分割成k个子问题（1<k≤n），且这些子问题都可解，并可利用这些子问题的解求出原问题的解，那么这种分治法就是可行的。由分治法产生的子问题往往是原问题的较小模式，这就为使用递归技术提供了方便。在这种情况下，反复应用分治手段，可以使子问题与原问题类型一致而其规模却不断缩小，最终使子问题缩小到很容易直接求出其解。这自然导致递归过程的产生。分治与递归像一对孪生兄弟，经常同时应用在算法设计之中，并由此产生许多高效算法。
分治法所能解决的问题一般具有以下几个特征：
（1）该问题的规模缩小到一定的程度就可以容易地解决；
（2）该问题可以分解为若干个规模较小的相同问题，即该问题具有最优子结构性质；
（3）利用该问题分解出的子问题的解可以合并为该问题的解；
（4）该问题所分解出的各个子问题是相互独立的，即子问题之间不包含公共的子子问题。
上述的第一条特征是绝大多数问题都可以满足的，因为问题的计算复杂性一般是随着问题规模的增加而增加；第二条特征是应用分治法的前提，它也是大多数问题可以满足的，此特征反映了递归思想的应用；第三条特征是关键，能否利用分治法完全取决于问题是否具有第三条特征，如果具备了第一条和第二条特征，而不具备第三条特征，则可以考虑贪心法或动态规划法。第四条特征涉及到分治法的效率，如果各子问题是不独立的，则分治法要做许多不必要的工作，重复地解公共的子问题，此时虽然可用分治法，但一般用动态规划法较好。
分治法在每一层递归上都有三个步骤：
（1）分解：将原问题分解为若干个规模较小，相互独立，与原问题形式相同的子问题；
（2）解决：若子问题规模较小而容易被解决则直接解，否则递归地解各个子问题；
（3）合并：将各个子问题的解合并为原问题的解。
6.动态规划法
经常会遇到复杂问题不能简单地分解成几个子问题，而会分解出一系列的子问题。简单地采用把大问题分解成子问题，并综合子问题的解导出大问题的解的方法，问题求解耗时会按问题规模呈幂级数增加。
为了节约重复求相同子问题的时间，引入一个数组，不管它们是否对最终解有用，把所有子问题的解存于该数组中，这就是动态规划法所采用的基本方法。以下先用实例说明动态规划方法的使用。
【问题】 求两字符序列的最长公共字符子序列
问题描述：字符序列的子序列是指从给定字符序列中随意地（不一定连续）去掉若干个字符（可能一个也不去掉）后所形成的字符序列。令给定的字符序列X=“x0，x1，…，xm-1”，序列Y=“y0，y1，…，yk-1”是X的子序列，存在X的一个严格递增下标序列<i0，i1，…，ik-1>，使得对所有的j=0，1，…，k-1，有xij=yj。例如，X=“ABCBDAB”，Y=“BCDB”是X的一个子序列。
考虑最长公共子序列问题如何分解成子问题，设A=“a0，a1，…，am-1”，B=“b0，b1，…，bm-1”，并Z=“z0，z1，…，zk-1”为它们的最长公共子序列。不难证明有以下性质：
（1） 如果am-1=bn-1，则zk-1=am-1=bn-1，且“z0，z1，…，zk-2”是“a0，a1，…，am-2”和“b0，b1，…，bn-2”的一个最长公共子序列；
（2） 如果am-1!=bn-1，则若zk-1!=am-1，蕴涵“z0，z1，…，zk-1”是“a0，a1，…，am-2”和“b0，b1，…，bn-1”的一个最长公共子序列；
（3） 如果am-1!=bn-1，则若zk-1!=bn-1，蕴涵“z0，z1，…，zk-1”是“a0，a1，…，am-1”和“b0，b1，…，bn-2”的一个最长公共子序列。
这样，在找A和B的公共子序列时，如有am-1=bn-1，则进一步解决一个子问题，找“a0，a1，…，am-2”和“b0，b1，…，bm-2”的一个最长公共子序列；如果am-1!=bn-1，则要解决两个子问题，找出“a0，a1，…，am-2”和“b0，b1，…，bn-1”的一个最长公共子序列和找出“a0，a1，…，am-1”和“b0，b1，…，bn-2”的一个最长公共子序列，再取两者中较长者作为A和B的最长公共子序列。
代码如下：
# include <stdio.h>
# include <string.h>
# define N 100
char a[N],b[N],str[N];
int lcs_len(char *a, char *b, int c[ ][ N])
{ int m=strlen(a), n=strlen(b), i,j;
for (i=0;i<=m;i++) c[0]=0;
for (i=0;i<=n;i++) c[0]=0;
for (i=1;i<=m;i++)
for (j=1;j<=m;j++)
if (a[i-1]==b[j-1])
c[j]=c[i-1][j-1]+1;
else if (c[i-1][j]>=c[j-1])
c[j]=c[i-1][j];
else
c[j]=c[j-1];
return c[m][n];
}
char *buile_lcs(char s[ ],char *a, char *b)
{ int k, i=strlen(a), j=strlen(b);
k=lcs_len(a,b,c);
s[k]=’’;
while (k>0)
if (c[j]==c[i-1][j]) i--;
else if (c[j]==c[j-1]) j--;
else { s[--k]=a[i-1];
i--; j--;
}
return s;
}
void main()
{ printf (“Enter two string（<%d）!\n”,N);
scanf(“%s%s”,a,b);
printf(“LCS=%s\n”,build_lcs(str,a,b));
}
7.迭代法
迭代法是用于求方程或方程组近似根的一种常用的算法设计方法。设方程为f(x)=0，用某种数学方法导出等价的形式x=g(x)，然后按以下步骤执行：
（1） 选一个方程的近似根，赋给变量x0；
（2） 将x0的值保存于变量x1，然后计算g(x1)，并将结果存于变量x0；
（3） 当x0与x1的差的绝对值还小于指定的精度要求时，重复步骤（2）的计算。
若方程有根，并且用上述方法计算出来的近似根序列收敛，则按上述方法求得的x0就认为是方程的根。上述算法用C程序的形式表示为：
程序如下：
【算法】迭代法求方程组的根
{ for (i=0;i<n;i++)
x=初始近似根;
do {
for (i=0;i<n;i++)
y = x;
for (i=0;i<n;i++)
x = gi(X);
for (delta=0.0,i=0;i<n;i++)
if (fabs(y-x)>delta) delta=fabs(y-x)； } while (delta>Epsilon)；
for (i=0;i<n;i++)
printf(“变量x[%d]的近似根是 %f”，I，x)；
printf(“\n”)；
} 具体使用迭代法求根时应注意以下两种可能发生的情况：
（1）如果方程无解，算法求出的近似根序列就不会收敛，迭代过程会变成死循环，因此在使用迭代算法前应先考察方程是否有解，并在程序中对迭代的次数给予限制；
（2）方程虽然有解，但迭代公式选择不当，或迭代的初始近似根选择不合理，也会导致迭代失败。
8.穷举搜索法
穷举搜索法是对可能是解的众多候选解按某种顺序进行逐一枚举和检验，并从众找出那些符合要求的候选解作为问题的解。
【问题】 将A、B、C、D、E、F这六个变量排成如图所示的三角形，这六个变量分别取[1，6]上的整数，且均不相同。求使三角形三条边上的变量之和相等的全部解。如图就是一个解。
程序引入变量a、b、c、d、e、f，并让它们分别顺序取1至6的整数，在它们互不相同的条件下，测试由它们排成的如图所示的三角形三条边上的变量之和是否相等，如相等即为一种满足要求的排列，把它们输出。当这些变量取尽所有的组合后，程序就可得到全部可能的解。程序如下：
按穷举法编写的程序通常不能适应变化的情况。如问题改成有9个变量排成三角形，每条边有4个变量的情况，程序的循环重数就要相应改变。
❷ C语言重要吗！！！！我是软件专业的 很困惑
先说对楼主的建议：
C在应用方面的优势在于底层，以及任何对效率有苛刻要求的地方。这种地方并不少，如操作系统、嵌入式、一些软件中对效率要求高的部分。很多java程序也需要C来配合，如tomcat。
C对于专业技能锻炼方面意义更大。因为一个铁的事实是“熟悉内部原理的人更能写出优质的代码”，C对上承接高级语言，对下和汇编挂钩，这种特殊的位置注定了C在众多计算机语言中是了解计算机的一个绝佳切入点。即便只是不太深刻的了解，C配合着其他理论课程带给我的认知就是所谓非计算机专业出身的人没有的东西了。这是我个人的想法以及认为最重要的地方。
对于楼主现在的处境，我的建议是“学有余力以广为主，力有不逮以精为主”。对C即便兴趣不大也应该因它的重要性对自己要求严格一点点，一点点就够了，比及格高一点点即可。然后试着看看java，我是看孙鑫的视频入门的，感觉不错。然后依照兴趣，选择C还是java。但我相信，如果你走技术路线，总有一天你会回来重新审视C和试着去深入了解C的，而且不会太远。
另外我个人的经验是两点很重要：一个是兴趣所向，看楼主的提问方式就知道楼主也很赞同这点啊。另一个是培养自信，尤其是对于我这种心理不强大的人，我需要自信让我走下去。具体做法可以是先读薄的书，换一个你可以稍微虐待一下别人的环境（嘿嘿……），视楼主情况而定。
下面是我个人有关C的经验经历：
我现在是一个二本学校的计算机专业的，大三。（看到这你会不会怀疑我上面说的啊，哈哈）
大一上学期开的程序设计课程，C。当时我们学的C只是基本的语法，同时憧憬C++，因为据说C++能做界面，而不是C那样黑黑的框框，一点也不美观。而且当时见识浅薄，都不太知道Java，呵呵。但课堂状态比较好，保持听课和作业，不过课外一点不付出劳动。
大一下学期的重点是数据结构，也是通过C讲的，当时隐约的认识到重点是语言背后的东西，语言是一种媒介。正确的想法却导致我对C重要性的认识程度进一步下降，但对C的熟练度上升，期末作业是排序算法比较，还是一个黑框框的程序。
大一暑假加入学校ACM，做了杭电2000-2100的100道入门题目，还有其他的50+左右。那对于我的技术水平绝对是质的飞跃，体现在算法、C的熟练度、调适能力及各种细节上。但对C的认识没提高。尝试C++，不到两天放弃，╮(╯▽╰)╭。但做题时开始使用C++的模板及一些库函数。
大二相对懈怠。大二上有C++，是面向对象入门。我觉得你们学校的java应该是同一个目的。以面向对象理论的入门为主。不过我当时真是入门啊，迈进去脚看看就出来了。
大二下我都不记得干了什么了。。。好像是尝试Android来着，后来放弃了，有点陷入自我否定的情绪低潮。也是那时开始接触的java，但什么也没学到。
大二暑假，奋发图强，以广为主，通过看视频或文字教程+动手实践的方式接触了vc++、java、php、python。然后就迷上了python。当时对C的感觉有点微妙，因为C能做到一些python难以做到的事，而且python本身就是一个出色的C项目。开始重新审视C在众多语言中的位置。
大三上，开java课。很认真的听了java，并与python做对比，收获太大了，具体细节不提。对C的认识保持不变。
现在的寒假，做项目的时候看到了一些C的面向对象编程，发现，这绝对不是噱头。也开始看python的源码，更是深深为C的精巧灵活所折服。C不可或缺、必须要找时间再深入学习，这是我现在迫切的想法。
现在我学习时最关注3个东西：1.语言背后的东西。因为你是以语言提问，我就以语言上的经历回答，但这绝对不是最重要的，计算机科学的发展依托于什么？必然主要是理论的成长。而理论在实践中的影响像是隐形的，又无处不在、威力巨大。2.python特有的实现方式。3.用C实现时的适用性、效率优势多大、与python实现的对比等。就像刚才说的，第三点的关注度还在提高中。
以上个人经验，不一定正确，只是希望作为你的一个参考，给你些帮助。就像我刚学的时候渴求的那些帮助一样。 :-)
❸ 自学了C语言一段时间，还是感觉有点吃力，特别是上机练习时，要不要专门学下算法。
我觉得，一些数学原理还是要知道的，初学对算法没有什么要求，但是，我认为，如果编程要学的很深入，要编大程序或大规模编程，做专业的程序设计员，那好的算法就十分重要了，好算法可以把一个程序的速度提升很多。上机觉得吃力，是对概念和语句用法还是不是很清楚吧。如果是对语句不熟练，感到吃力，那就要多看书，看例题，看别人为什么是这样写的，这样写有什么好处？这样，多总结，再多练习，再上机的话，感觉应该会好很多的。
其实，很多算法，都在一些优秀的例题代码中出现，多总结观察就好了。
ps：感觉吃力说明基本功不够扎实，不一定算法不好的问题。一开始学编程，只要编出来就OK了，等大部分概念和知识点掌握了，再优化你从前程序。还有，对于一道题，在你学程序的不同阶段里，你会编出不同代码，因为在学习的过程中，你掌握了更多的语句，也就掌握了更多的方法去解决一道题。
祝你学习顺利。^_^
❹ 新手学习C语言书上那些练习题要做吗 好多我看了源代码还是看不懂 想问一下大神那些例题对以后有帮助吗
练习当然是要做的，但是并不是刚学就要做那些
你先把所有关键字的用法学会，至少知道那个东西是干嘛的
然后就是简单的，循环，分支，判断结构的用法了
看完这个之后，就可以看那些练习题了
要是哪个地方看不懂，试着自己改一改，或者用编译器的调试功能，看看数据是怎么变化的，然后再理解下，人家的算法是怎么设计的，自己就能写出程序了
❺ 数据结构与算法对于C语言重要么
很重要，可以事半功倍的效果。
❻ 谭浩强《c语言程序设计》第2章算法流程图重要吗
流程图是比较重要的，在写一个程序之前，要设计出一个流程图，有利于指导你编写程序，使你在编程过程知道先做什么，后做什么。而程序完成后，读程序的人一看流程图，就能清晰的把握你程序的结构，有利于读程序着理解你的程序，在做大程序时更能体现这一点，所以，学好画流程图是很重要的，建议你把它学好。
❼ C语言重要吗
对于理工 科学生来说，这个答案可能很简单，因为这是一门必修课。而对于程序员来说选择一门编程语言，在某种程度上，对职业生涯的发展会产生重大的影响，所以必须慎 之又慎。那么，为什么要选择一门诞生了将近半个世纪的语言？本文不是老生常谈的废话，如：”C 语言是编程的基础”、”学好 C 语言，走遍天下都不怕”等等，本文力争详尽而又有理的回答这个问题，首先咱们先了解一下何为 ‘c’ 语言
C 语言
C 语言是由美国 AT&T 贝尔实验室的研究员 Dennis Ritchie 在 B 语言的基础上，最初作为改造 Unix 操作系统的开发语言，并伴随着 Unix 操作系统兴起而流行，后来，随着微型计算机的发展，C 开始被移植到其他操作系统平台上，成为独立的程序设计语言。
为操作系统而生的标签注定了 C 不可能平庸，实话实说，C 是一门很难学习和使用的编程语言，没有编译原理、操作系统和计算机体系结构扎实的基础知识，根本不可能把 C 学的明白、用的顺手。C 作为一门工程实用性极强的语言，提供了对操作系统和内存的精准控制，高性能的运行时环境，源码级的跨平台编译等优点，才是我们必须学习和使用 C 的理由。
同时，幸运的是 C 也是个有趣的东西，对编程的认知越深，就会越觉得有意思，我简单列举一些 C 的优点：
1、结构化设计语言，语法清晰、结构简单，模块化使得程序的各个部分除了必要的信息交流外彼此独立，便于开发、调试
2、运算符多，把括号、赋值、强制类型转换等都作为运算符处理，灵活使用各种运算符可以实现在其它高级语言中难以实现的运算。
3、数据结构丰富，能实现各种复杂的数据类型的运算，引入指针、结构体概念使程序效率更高。
4、为操作系统而生，可以像汇编语言一样对位、字节和地址进行操作，允许直接访问物理地址对硬件进行操作，把高级语言的基本结构和语句与低级语言的实用性结合起来。
5、程序执行效率高，一般比汇编程序生成的目标代码效率低 10%~20%。
6、可移植性好，C 语言抽象了针对 CPU 编程的细节，能广泛应用于针对大型操作系统和系统软件的编写。
7、具备强大的绘图功能，和 C++ 一样也可以写出很优雅的二维、三维图形和动画。
有人说，C 是 C++ 的子集，C 能做到的事，C++ 一样能做到，并且还可以做的更好，如：三大面向对象特性、GUI 编程，诚然，我承认在 GUI 编程领域 C++ 占据着绝对的统治地位，至今无人能撼动。但真的有必要用 C++ 来替代 C 完成工作吗？很多时候 C++ 解决问题的思路真的比 C 更先进吗？
C 和 C++ 比较
1、隐式操作：C 简单直接、结构清晰，每行代码都能清楚的被反汇编成相应的语句，系统会严格按照你的代码去执行。而 C++ 则不尽然，简单的语句也说不清楚究竟有多少次构造和拷贝，这样编写底层代码是完全不行的，底层需要精准和严格的控制。
2、语言接口：现代软件工程项目的开发，不但对性能有很高要求，对于语言接口的对接能力也有很高要求，因为偌大的一个项目很少仅使用一种语言来进行开发，对于 底层，C++ 对内存和硬件的控制不如 C 简洁精准；对于很多动态语言和中间件，如：PHP、Python 和 Apache、Redis，都受了 C 的很大影响，甚至就是 C 开发出来的东西，对接起来非常方便。没错儿，其实 C++ 采用迂回的方式也能对接的，但是，远远不如 C 方便，开发和维护成本非常高。
硬件层：
1、分配内存：系统加电后运行，经过汇编初始化栈，然后再跳转到 C 语言的 start_init() 函数去，这时候内存分配机制都还没有建立，C++ 如何定义类？如何实例化对象？
2、标准库依赖：C 的所有特性都可以不依赖任何库运行，如有必要，可以按照特定需求自己编写库。
3、处理器兼容：C++ 的类是依赖基地址+偏移地址的寻址方式，很多微处理器只有简单的给定地址寻址，不支持一条语句实现 base + offset 的寻址机制，很多 C++ 代码编译出来需要更多的指令来运算地址，导致性能下降了太多。
4、应用层：C++ 在做应用层尤其是 GUI 编程，这是 C++ 的传统强项，我一直坚持 C 也能优雅的做出图像和动画，但开发效率确实较 C++ 低很多，最近有个很火的 RUST 语言，号称是未来唯一能取代 C++ 的编程语言，感兴趣的同学可以多了解下。
由上可知，操作系统、编译原理、数据结构与算法等等基础知识，是深入理解、掌握和灵活运用 C 的重要前提，现阶段程序员职业生涯超过一半的热门方向直接或间接与 C 有关，我想，学好 C 的重要性也就不言而喻了。
❽ C语言的算法有什么用
算法就是解决问题的方法。
你看到的算法都是简单的方法。
算法牛X解决问题就牛X
你用变成解决问题就是 语法+算法。
语法很简单。就那些 ，你只要记就行了
而算法就多了去了。
就像每个中国人都知道3万多个汉字 （比作为语法）
而能写出号文章的就没那么多人了（比作算法）
算法体现你解决问题的思维
体现你程序的空间复杂程度和时间复杂程度。
想提高算法就提高你的逻辑思维能力和数学吧。
平时也应该多读别人的程序，了解下别人的算法。
❾ 关于C语言中的小算法题 很重要吗
n=6 f1为n=5时的*s f2为n=4时的*s
n=5 f1为n=4时的*s f2为n=3时的*s
n=4 f1为n=3时的*s f2为n=2时的*s
n=3 f1为n=2时的*s f2为n=1时的*s
n=2 n=3的*s 都是知道的 那就可以逆推回去 得到n=6时的*s 这个就是main中 x的值喽