简介：算法竞赛
欢迎！你有没有好奇过，为什么手机上的某些应用程序用起来快如闪电，而有些却要加载很久？通常，秘诀不只是更快的网络或更好的手机，关键在于代码的效率 (Efficiency)。在本章中，我们将探讨“算法的效率”。你将会学到，解决同一个问题的方法几乎不止一种，而选择正确的方法可以节省大量的时间！
如果初看这些概念觉得有点抽象，不用担心——我们会用大量的日常例子来让你清楚理解。
1. 通往同一目标的不同路径
首先要了解计算机科学的核心原则：解决同一个问题，可以使用多于一种的算法。
想象你想登上山顶。你可以：
1. 直接走陡峭的山坡上去（非常累人）。
2. 走一条漫长、蜿蜒的盘山小路（距离较长，但比较轻松）。
3. 搭乘缆车（最快、最轻松）。
在这三种情况下，你都能到达山顶。它们全部都“有效”。然而，你选择的方法决定了你所花费的时间和精力。算法也完全一样！计算机可以使用“慢”的方法或“快”的方法来得出正确答案。
快速重温：多种解决方案
重点：单单因为一个算法有效且能得出正确答案，并不代表它是该工作的“最佳”方案。
2. 什么是“效率”？
在 AQA GCSE 的课程大纲中，当我们谈论效率时，我们特别关注的是时间效率 (Time Efficiency)。这并不是指计算机处理器的时钟频率有多快，而是指算法完成任务需要执行多少个步骤。
时间效率：衡量算法根据其需要处理的数据量（输入大小），运行需要花费多久的指标。
你知道吗？
我们不以秒来衡量效率，因为不同计算机的速度各不相同。相反，我们通过计算算法执行的操作次数（例如比较或加法）来衡量。一个真正高效的算法会尽可能减少操作次数。
3. 比较算法
为了找出哪个算法更好，我们会比较当“工作量”（输入规模）增加时，它们的表现如何。
让我们看看之后课程会遇到的一个经典例子：在 100 人的列表中找出特定的名字。
算法 A：“逐个检查”法（线性搜索 Linear Search）
你从列表的开头开始，检查每一个名字，直到找到正确的那一个。
- 如果名字在开头，速度很快（1 个步骤）。
- 如果名字在最后面，你必须检查 100 个名字（100 个步骤）。
- 如果你将列表增加到 200 人，则可能需要 200 个步骤。
算法 B：“分而治之”法（二元搜索 Binary Search）
如果列表是按字母顺序排列的，你可以直接跳到中间。如果目标名字在字母表中较前，你就忽略后半部分。以此类推，不断将列表减半。
- 对于 100 人的列表，最多只需要约 7 个步骤。
- 如果你将列表增加到 200 人，它只需多加 1 个步骤（总共 8 个步骤）！
结论：算法 B 高效得多，因为随着数据量的增加，与算法 A 相比，它所需的步骤数仍保持在非常低的水平。
避免常见错误：
学生常以为代码“很长”（行数多）就代表算法没效率。这是不对的！一段包含会执行一百万次的循环 (loop) 的短代码，远比只执行一次的长代码低效得多。
4. 为什么效率很重要？
对于少量的数据（例如 5 个名字的列表），速度差异极小，你几乎感觉不到。但对于庞大的数据量，效率就是应用程序瞬间完成运行与应用程序崩溃之间的差别。
类比：想象在图书馆找一本书。
低效：从门口开始，经过每一个书架逐一搜索（线性搜索）。
高效：利用分类标示和按字母排序的书架，直接走向你需要的那一区（二元搜索）。
关键点：高效的算法让计算机能够处理海量数据（如 Google 搜索或社交媒体动态），而不会变得迟钝缓慢。
总结与记忆技巧
“快速重温”栏
1. 多种方式：在程序设计中，解决问题的方法总不止一种。2. 效率 = 时间：在考试中，效率指的是时间效率（需要多少步骤）。
3. 可扩展性 (Scalability)：一个高效的算法，其步骤数不会随着数据增加而失控地暴增。
记忆技巧：披萨店口诀 (Pizza Shop Mnemonic)
记住 A.C.E. 来帮助你理解为什么要比较算法：
A - Alternatives (替代方案)：总有另一种解决方法。
C - Comparison (比较)：我们要检查哪一个更好。
E - Efficiency (效率)：我们想要使用最少时间/步骤的方法。
做得好！你已经掌握了算法效率的基本原理。记住：这不仅是关于得到正确答案，更是关于以最聪明的方式达到目标。