簡介：演算法競賽
歡迎！你有沒有好奇過，為什麼手機上的某些應用程式用起來快如閃電，而有些卻要載入很久？通常，秘訣不只是更快的網絡或更好的手機，關鍵在於程式碼的效率 (Efficiency)。在本章中，我們將探討「演算法的效率」。你將會學到，解決同一個問題的方法幾乎不只一種，而選擇正確的方法可以節省大量的時間！
如果初看這些概念覺得有點抽象，不用擔心——我們會用大量的日常例子來讓你清楚理解。
1. 通往同一目標的不同路徑
首先要了解電腦科學的核心原則：解決同一個問題，可以使用多於一種的演算法。
想像你想登上山頂。你可以：
1. 直接走陡峭的山坡上去（非常累人）。
2. 走一條漫長、蜿蜒的盤山小路（距離較長，但比較輕鬆）。
3. 搭乘纜車（最快、最輕鬆）。
在這三種情況下，你都能到達山頂。它們全部都「有效」。然而，你選擇的方法決定了你所花費的時間和精力。演算法也完全一樣！電腦可以使用「慢」的方法或「快」的方法來得出正確答案。
快速重溫：多種解決方案
重點：單單因為一個演算法有效且能得出正確答案，並不代表它是該工作的「最佳」方案。
2. 什麼是「效率」？
在 AQA GCSE 的課程大綱中，當我們談論效率時，我們特別關注的是時間效率 (Time Efficiency)。這並不是指電腦處理器的時脈有多快，而是指演算法完成任務需要執行多少個步驟。
時間效率：衡量演算法根據其需要處理的數據量（輸入大小），運作需要花費多久的指標。
你知道嗎？
我們不以秒來衡量效率，因為不同電腦的速度各不相同。相反，我們透過計算演算法執行的操作次數（例如比較或加法）來衡量。一個真正高效的演算法會盡可能減少操作次數。
3. 比較演算法
為了找出哪個演算法更好，我們會比較當「工作量」（輸入規模）增加時，它們的表現如何。
讓我們看看之後課程會遇到的一個經典例子：在 100 人的列表中找出特定的名字。
演算法 A：「逐個檢查」法（線性搜尋 Linear Search）
你從列表的開頭開始，檢查每一個名字，直到找到正確的那一個。
- 如果名字在開頭，速度很快（1 個步驟）。
- 如果名字在最後面，你必須檢查 100 個名字（100 個步驟）。
- 如果你將列表增加到 200 人，則可能需要 200 個步驟。
演算法 B：「分而治之」法（二元搜尋 Binary Search）
如果列表是按字母順序排列的，你可以直接跳到中間。如果目標名字在字母表中較前，你就忽略後半部分。以此類推，不斷將列表減半。
- 對於 100 人的列表，最多只需要約 7 個步驟。
- 如果你將列表增加到 200 人，它只需多加 1 個步驟（總共 8 個步驟）！
結論：演算法 B 高效得多，因為隨著數據量的增加，與演算法 A 相比，它所需的步驟數仍保持在非常低的水平。
避免常見錯誤：
學生常以為程式碼「很長」（行數多）就代表演算法沒效率。這是不對的！一段包含會執行一百萬次的迴圈 (loop) 的短程式碼，遠比只執行一次的長程式碼低效得多。
4. 為什麼效率很重要？
對於少量的數據（例如 5 個名字的列表），速度差異極小，你幾乎感覺不到。但對於龐大的數據量，效率就是應用程式瞬間完成運作與應用程式崩潰之間的差別。
類比：想像在圖書館找一本書。
低效：從門口開始，經過每一個書架逐一搜尋（線性搜尋）。
高效：利用分類標示和按字母排序的書架，直接走向你需要的那一區（二元搜尋）。
關鍵點：高效的演算法讓電腦能夠處理海量數據（如 Google 搜尋或社交媒體動態），而不會變得遲鈍緩慢。
總結與記憶技巧
「快速重溫」欄
1. 多種方式：在程式設計中，解決問題的方法總不止一種。2. 效率 = 時間：在考試中，效率指的是時間效率（需要多少步驟）。
3. 可擴展性 (Scalability)：一個高效的演算法，其步驟數不會隨著數據增加而失控地暴增。
記憶技巧：披薩店口訣 (Pizza Shop Mnemonic)
記住 A.C.E. 來幫助你理解為什麼要比較演算法：
A - Alternatives (替代方案)：總有另一種解決方法。
C - Comparison (比較)：我們要檢查哪一個更好。
E - Efficiency (效率)：我們想要使用最少時間/步驟的方法。
做得好！你已經掌握了演算法效率的基本原理。記住：這不僅是關於得到正確答案，更是關於以最聰明的方式達到目標。