歡迎來到算法的世界！
歡迎！在本章關於算法建模（Modelling with Algorithms）的學習中，我們將探索數學世界中的「食譜」。無論是你使用 GPS 找尋回家的最快路線，還是電腦在整理數以百萬計的檔案，背後都有一個算法（Algorithm）在運作。
別擔心，即使你從未寫過程式，或者覺得「大 O 符號（Big O notation）」聽起來像天書，也不用緊張。我們會將這些概念拆解成任何人都能跟上的簡單邏輯步驟。讓我們開始吧！
1. 什麼是算法？
簡單來說，算法就是解決特定問題的一系列有限指令。把它想像成烤蛋糕的食譜：你準備好材料（輸入/Input），按照順序執行步驟（處理/Process），最後得到一個蛋糕（輸出/Output）。
關鍵組成部分：
- 初始狀態（Initial State）：你開始的地方。
- 輸入（Input）：你提供給算法的數據（例如：一串數字）。
- 輸出（Output）：算法最終產出的結果。
- 變數（Variable）：一個用來儲存數值的「盒子」，隨著算法執行，裡面的值會改變（例如：「令 \(i = i + 1\)」意思是更新標記為 \(i\) 的盒子裡的數值）。
- 有限性（Finite）：這點至關重要！算法必須在有限步驟內結束，不能無限執行下去。
類比：想像你在教一台機器人泡茶。你不能只說「泡茶」，你必須說：1. 把水煮沸。2. 將茶包放入杯中。3. 倒水。如果你忘了叫它停止倒水，你的廚房就會淹水了！這就是為什麼終止（Termination）是算法的核心。
快速回顧：一個算法必須有清晰的開始、明確的步驟，以及確定的結束點。
2. 跟著地圖走：流程圖與偽代碼
算法通常以兩種主要方式呈現：流程圖（Flowcharts）（視覺化地圖）和偽代碼（Pseudocode）（類似英語的指令）。
需要記住的流程圖符號：
- 橢圓形：開始或結束。
- 矩形：處理或指令（例如：「將 \(x\) 加 1」）。
- 菱形：決策或「如果（if）」語句（例如：「\(x > 10\) 嗎？」）。這類符號總有兩條路徑出來：「是」或「否」。
理解邏輯：
算法經常使用迭代過程（Iterative processes）（循環）。這意味著重複執行一組步驟，直到滿足特定條件為止。
範例：「當水尚未煮沸時，持續加熱水壺。」
記憶小撇步：在偽代碼中，片語「令 \(i = i + 1\)」非常常見。不要把它當成代數方程式（那樣 \(i\) 就會消掉了！），要把它想成一條指令：「用新值（舊值 + 1）來取代 \(i\) 的舊值。」
總結：流程圖適合視覺型學習者；偽代碼適合喜歡列表的人。兩者完成的工作是一樣的！
3. 算法複雜度：電腦運作得有多辛苦？
並非所有算法都生而平等。有些算法速度很快，有些則在問題規模變大時非常緩慢。我們使用複雜度（Complexity）來衡量這一點。
「大 O」符號（Big O Notation）
我們使用階數符號（Order Notation）（例如 \(O(n)\) 或 \(O(n^2)\)）來描述算法所需的運算時間隨問題規模（\(n\)）增長的方式。
- 線性複雜度 \(O(n)\)：如果你將項目數量增加一倍，所需時間也會加倍（例如：逐一搜尋列表）。
- 二次複雜度 \(O(n^2)\)：如果你將項目數量增加一倍，所需時間會變成原來的四倍（\(2^2 = 4\)）。當你在一個循環中又套用另一個循環時，就會發生這種情況！
你知道嗎？我們通常關注最壞情況（Worst Case）。這能確保無論輸入的數據有多不理想，我們都知道該算法所需的最長時間。
快速回顧練習：如果一個 \(O(n^2)\) 算法處理 100 個項目需要 5 秒，那麼處理 200 個項目需要多久？
規模翻倍（\(\times 2\)），因此時間增加 \(2^2 = 4\) 倍。
新時間 = \(5 \times 4 = 20\) 秒。
4. 排序算法：將事物按順序排列
課程大綱特別強調了快速排序（Quick Sort）算法。這是一種「分治法（Divide and Conquer）」的排序方式。
快速排序如何運作：
- 選擇一個樞紐（Pivot）（通常是列表中的第一個或最後一個項目）。
- 將其他所有項目與樞紐進行比較。
- 將小於樞紐的項目移至左側，大於樞紐的項目移至右側。
- 現在樞紐已經位於其最終正確的位置。
- 對左側和右側的「子列表」重複上述過程。
常見錯誤：當手動進行快速排序時，學生常會忘記一旦樞紐被選中並用於拆分列表後，該樞紐就已經「鎖定」在位了。下次再進行拆分時，千萬別再移動它！
要點：像快速排序這樣的排序算法，其最壞情況的複雜度通常為 \(O(n^2)\)。
5. 裝箱算法與啟發式方法
有時候，找到「完美」的答案需要太長時間。在現實世界中，「足夠好且快速」往往比「完美但緩慢」更好。這就是啟發式方法（Heuristics）發揮作用的地方。
裝箱問題（Bin Packing）：
想像你在把箱子裝進貨車。你希望使用的箱子數量越少越好。
- 首次適應法（First Fit）：按照給出的順序逐個取出物品，放入第一個能裝得下的箱子中。
- 遞減首次適應法（First Fit Decreasing, FFD）：先將物品按大小降序排列，然後再使用「首次適應法」。這通常效果更好，因為你先處理了那些大而難裝的物品！
- 滿箱法（Full Bin）：尋找物品組合，使其恰好填滿一個箱子的策略。
重要觀點：這些都是啟發式算法。它們高效且快速（複雜度為 \(O(n^2)\)），但不保證能得到最少箱子數量的絕對最佳解。它們只是給出一個非常好的估算值。
總結：追求速度用「首次適應法」；想要更好的結果用「遞減首次適應法」（但記得要先排序！）。
6. 證明算法
我們如何確定一個算法確實有效？
- 窮舉證明（Proof by Exhaustion）：測試每一個可能的案例（只適用於非常小的問題！）。
- 反例否定（Disproof by Counter-example）：如果你找到一個算法失敗的案例，就證明該算法是不正確的。
鼓勵：如果這些證明看起來很抽象，別擔心！大多數考試題目只會要求你解釋某個步驟為何有效，或者提供一個簡單的例子，說明為什麼某個啟發式算法無法給出最佳答案。
本章重點小結：
算法是用於提升效率的邏輯工具。透過理解它們的結構（流程圖/偽代碼）、效率（複雜度）以及侷限性（啟發式方法），你就能有系統地建模並解決現實世界中的複雜問題。