算法效率与复杂度

这一节包含的知识点

比「节」更细的一层：具体到能对上一道题的步骤。

• 算法的执行步数用算法中基本操作被重复执行的次数来衡量算法的工作量，通常把它表示为问题规模 n 的函数。
• 同一问题的不同算法比较例如顺序查找和二分查找解决同一个查找问题，随着数据规模增大，两者执行步数的差距会迅速拉大。
• 算法优化的思路通过减少重复计算、选用更合适的数据结构或降低循环嵌套层数等办法，用较小的改动换取执行效率的提升。
• 最坏情况与平均情况同一个算法在不同输入下执行步数不同，通常要分别给出最坏与平均估计。
• 减少重复计算保存中间结果或改变循环嵌套顺序，常常能明显减少执行步数。

先修：学它之前要先会

• 数据结构基础：线性表、栈与队列

完整前置链：一路要先会

不只是直接先修 —— 把先修的先修也追到底，顺序就是该学的顺序（含跨学科）。

1. 1数据、信息与知识→
2. 2数据的编码与存储→
3. 3算法与程序实现→
4. 4数据结构基础：线性表、栈与队列

后继：学会它之后可以往哪走

• 算法的时间与空间复杂度

学习「算法效率与复杂度」

这个知识点还没有内容（还没有教材或出版物接进来）。现在能做的：看清它在坐标系里的位置 —— 先修是什么、学完之后通向哪里，然后把「我了解了」记下来。

自述不等于掌握：它只是「我知道这一条讲什么」，不会计入学习单元完成数。学习记录存在这台设备上。

还没有任何内容覆盖这条概念。要让它长出来，需要导入并发布一份讲到它的材料 —— Publishing 会在正文里找候选（带原句作证据），由人确认后挂到这条上。

还没有任何学习目标、测评或任务标注到这条知识点上。学习链只列**真的标注过**的条目 —— 没有就是没有，不按模板补一个出来。