高中信息技術選擇性必修1《數據與數據結構》巔峰知識清單

高中信息技術選擇性必修1《數據與數據結構》巔峰知識清單一、學科基石：數據價值與結構內涵（一）數據的本質與時代價值【基礎】▲在信息社會，數據已經躍升為與物質、能源同等重要的戰略資源。我們需要從三個層次深刻理解數據：1、數字、數值與數據辨析：數字是符號，是數據的載體；數值是數字在特定量綱下的具體含義，代表大小與多少；而數據則是現實世界客觀事物的符號表示，是數字、數值、文字、圖像、聲音等多種形式的集合。在計算機科學領域，數據是指所有能輸入到計算機并被程序處理的符號的總稱1。2、數據的社會價值：數據不僅是簡單的記錄，更成為新的原材料（如訓練人工智能模型的語料庫）、生產資料（如精準農業中的土壤氣候數據）和基礎設施（如國家大數據中心）。它驅動著科學發現、商業決策與社會治理模式的革新，是數字經濟的核心引擎1。3、數據意識培養：面對任何現實問題，首要任務是培養對數據的敏感度，學會從問題情境中發現數據、定義數據，并初步評估數據對解決問題的潛在價值。（二）數據抽象與建模方法【基礎】【難點】★解決復雜問題的起點，在于從現實世界到數據世界的映射，這個過程稱為數據抽象。1、問題中的數據識別：面對一個具體系統（如“超市收銀系統”、“圖書館借閱系統”），需要識別出其中的實體（如“顧客”、“商品”、“借閱記錄”），并提取出描述這些實體狀態和特征的屬性（如“商品編號”、“商品名稱”、“單價”、“庫存量”）5。2、數據關系分析：實體之間并非孤立存在，必須分析它們之間的邏輯關系。例如，一位顧客可以購買多件商品，一種商品可以被多位顧客購買，這構成了“多對多”的關系；而圖書館的圖書與借閱記錄之間則可能構成“一對多”的關系。數據關系是選擇和組織數據結構的根本依據5。3、數據模型構建：將識別出的數據和關系，用一種規范的、易于理解的圖形或表格形式表達出來，形成概念模型（如ER圖）。這是連接現實世界與計算機世界的橋梁。（三）數據結構核心概念精講【基礎】【高頻考點】★★★數據結構是計算機存儲、組織數據的方式。它不僅包含數據的邏輯結構，還包含其在計算機中的存儲結構，以及定義在這組數據上的一組操作?？梢杂霉骄珶挶磉_：數據結構=(D,R,O)其中，D是數據元素的集合，R是數據元素之間邏輯關系的集合，O是所定義的操作（運算）的集合。1、邏輯結構：指數據元素之間抽象化的、不考慮計算機存儲的具體關系，是用戶視角的數據組織形式。主要分為：（1）集合結構：數據元素間僅有“同屬一個集合”的關系，無其他雜亂關系。（2）線性結構：數據元素間存在“一對一”的關系，如排隊的人群、列表中的元素24。（3）樹形結構：數據元素間存在“一對多”的層次關系，如家族譜系、文件目錄46。（4）圖狀結構：數據元素間存在“多對多”的網狀關系，如城市交通網、社交網絡46。2、存儲結構（物理結構）：指邏輯結構在計算機存儲器中的存儲映像，是機器視角的數據存放方式。主要有兩種基本形式：（1）順序存儲結構：邏輯上相鄰的元素存儲在物理位置也相鄰的存儲單元里，借助元素在存儲器中的相對位置來表示邏輯關系。其優點是可以隨機存取，但插入和刪除操作需要移動大量元素，造成時間開銷59。（2）鏈式存儲結構：邏輯上相鄰的元素在物理位置上不一定相鄰，元素間的邏輯關系通過附加的指針字段來表示。其優點是插入和刪除操作靈活（只需修改指針），但需要額外的存儲空間存放指針，且只能順序存取59。3、數據類型：它是值的集合和定義在此值集上的一組操作的總稱。（1）原子類型：值不可再分的數據類型，如Pythn中的整型（int）、浮點型（flat）、布爾型（bl）6。（2）結構類型：由若干成分（可以是原子類型或另一個結構類型）按某種結構組合而成，值可以分解。如Pythn中的列表（list）、元組（tuple）、字典（dict）本身就是一種內建的數據結構實現6。二、線性結構：數據的“一對一”組織藝術（一）線性表（LinearList）【基礎】【高頻考點】★★線性表是具有相同數據類型的n（n≥0）個數據元素的有限序列。除第一個元素外，每個元素有且只有一個直接前驅；除最后一個元素外，每個元素有且只有一個直接后繼。1、基本操作：線性表支持創建、銷毀、清空、判空、求長度、按位置查找、按值查找、插入、刪除、遍歷等核心操作5。2、順序表實現（基于數組）：【重要】▲（1）定義：用一組地址連續的存儲單元依次存儲線性表的元素。在Pythn中，列表（list）是動態數組的典型實現。（2）性能分析：1.存取（讀）：時間復雜度為O(1)，具有隨機存取特性?！靖哳l考點】2.插入與刪除（寫）：平均需要移動約一半的元素，時間復雜度為O(n)?！疽族e點】在列表中間插入或刪除元素，后續所有元素的索引都會改變。（3）編程范式：熟練掌握通過索引訪問、修改列表元素，以及列表的append()（尾部添加）、insert()（指定位置插入）、pp()（彈出指定位置元素）、remove()（刪除指定值）等方法的內在邏輯6。3、鏈表實現（LinkedList）：【重要】【難點】▲▲（1）定義：用一組任意的存儲單元存儲線性表元素，每個節點(node)包含數據域和指針域。指針域指向下一個節點的內存地址。（2）單鏈表：節點僅包含一個指向后繼節點的指針。頭指針唯一標識一個鏈表。（3）性能分析：3.存?。ㄗx）：無法直接訪問第i個元素，必須從頭指針開始遍歷，時間復雜度為O(n)，具有順序存取特性?！靖哳l考點】4.插入與刪除（寫）：只要定位到目標位置，插入和刪除操作僅需修改相關節點的指針指向，不需要移動物理元素，時間復雜度為O(1)?！疽族e點】注意區分“查找位置”與“執行操作”的時間消耗，整體耗時通常是查找占主導。（4）其他鏈表形式：雙向鏈表（每個節點有兩個指針，分別指向前驅和后繼）、循環鏈表（最后一個節點的指針指向頭節點），了解其特性與應用場景9。4、數組與鏈表對比【高頻考點】【核心比較】★★★比較維度順序表（數組）鏈表存儲空間靜態分配（或動態擴容），空間連續，密度高動態分配，空間不連續，需額外指針開銷存取方式隨機存取，可通過首地址加偏移直接訪問順序存取，必須遍歷查找時間性能查找O(1)；插入刪除O(n)查找O(n)；插入刪除O(1)（已知位置）適用場景元素個數固定，頻繁按位置查找，較少插入刪除元素個數動態變化，頻繁插入刪除，較少查找（二）受限的線性表：棧與隊列【重要】【高頻考點】★★★棧和隊列是操作受限的線性表，它們對數據的插入和刪除操作的位置進行了特定限制，從而產生獨特的數據處理邏輯。1、棧（Stack）【熱點】▲▲▲（1）定義：限定僅在表尾（稱為棧頂）進行插入（壓棧，push）和刪除（彈棧，pp）操作的線性表。遵循后進先出（LIFO，LastInFirstOut）原則59。（2）核心操作：棧空判斷、棧滿判斷（對于順序棧）、push、pp、取棧頂元素（get_tp）。（3）編程實現：可以使用列表模擬棧，append()方法對應push，pp()方法對應pp。（4）典例應用與解題步驟：【必考】1.括號匹配檢驗：遍歷表達式，遇左括號壓棧，遇右括號檢查棧頂是否匹配。若最后棧為空，則匹配成功。2.表達式求值：中綴表達式轉后綴表達式，以及對后綴表達式的計算，是棧應用的經典案例。3.函數調用與遞歸實現：系統棧用于保存函數調用的返回地址、局部變量等，理解遞歸過程離不開對棧的理解9。4.瀏覽器的“后退”與文本編輯器的“撤銷”：將訪問的頁面/操作依次壓棧，后退/撤銷即為彈棧操作。2、隊列（Queue）【熱點】▲▲▲（1）定義：限定在一端（隊尾）進行插入（入隊，enqueue），在另一端（隊頭）進行刪除（出隊，dequeue）的線性表。遵循先進先出（FIFO，FirstInFirstOut）原則56。（2）核心操作：初始化、判空、判滿、入隊、出隊、讀隊頭元素。（3）循環隊列：為解決“假溢出”問題，將順序隊列在邏輯上視為一個環。判空與判滿條件需要特殊設計（如犧牲一個存儲單元，或增設標志位）。理解隊頭指針(frnt)和隊尾指針(rear)的移動規律是關鍵?！倦y點】（4）鏈隊列：用鏈表實現的隊列，操作相對簡單，無“假溢出”問題。（5）典例應用：1.任務調度：操作系統中的進程排隊等待CPU時間片。2.緩沖區管理：如打印機任務隊列、消息隊列，平衡數據處理速度不匹配的雙方。3.廣度優先搜索（BFS）：在圖或樹的遍歷中，依靠隊列來逐層探索節點10。（三）字符串（String）【基礎】字符串是內容受限的線性表，其數據元素只能是字符。1、基本概念：空串（不含任何字符）、空格串（由一個或多個空格組成）、子串與主串。2、存儲結構：通常用順序存儲（如Pythn的字符串是不可變的字符序列）57。3、核心操作與編程實現：熟練掌握字符串的拼接、切片、查找（find/index）、替換（replace）、分割（split）、連接（jin）、求長度（len）等常見操作7。4、模式匹配：【拓展】（1）簡單模式匹配（BF算法）：將主串中與模式串長度相同的子串逐一比較，時間復雜度為O(nm)。（2）KMP算法：一種改進的字符串匹配算法，通過計算模式串的next數組，避免主串指針的回溯，將時間復雜度優化為O(n+m)。了解其核心思想是對計算思維的深度錘煉9。三、非線性結構：層次與網狀的數據世界（一）樹與二叉樹（TreeBinaryTree）【重要】【熱點】★★★樹形結構是一種“一對多”的非線性結構，具有層次性和分支性。1、樹的基本概念【基礎】（1）定義：樹是n（n≥0）個節點的有限集。n=0時稱為空樹。任意一棵非空樹滿足：有且僅有一個稱為根（Rt）的節點；其余節點可分為m（m≥0）個互不相交的有限集，每個集合本身又是一棵樹，稱為根的子樹46。（2）基本術語：節點、節點的度（節點擁有的子樹數）、樹的度（樹內各節點度的最大值）、葉子（度為0的節點）、分支節點（度不為0）、孩子、雙親、兄弟、層次、深度（樹中節點的最大層次）、森林。2、二叉樹【核心】【高頻考點】▲▲▲（1）定義：每個節點至多有兩棵子樹（即度≤2），且子樹有左右之分，順序不能顛倒59。（2）五種基本形態：空二叉樹、只有根節點的二叉樹、只有左子樹的二叉樹、只有右子樹的二叉樹、左右子樹均非空的二叉樹。（3）重要性質：【必考】1.性質1：在二叉樹的第i層上至多有2^(i1)個節點（i≥1）。2.性質2：深度為k的二叉樹至多有2^k1個節點（k≥1）。3.性質3：對任何一棵二叉樹，若葉子節點數為n0，度為2的節點數為n2，則n0=n2+1。掌握推導方法（從節點總數與分支總數的關系入手）。（4）特殊形態：4.滿二叉樹：所有分支節點都存在左子樹和右子樹，且所有葉子都在同一層上。5.完全二叉樹：對一棵深度為k、有n個節點的二叉樹，當且僅當其每個節點都與深度為k的滿二叉樹中編號從1至n的節點一一對應時，稱之為完全二叉樹。理解其順序存儲的實現基礎。3、二叉樹的存儲結構與遍歷【核心操作】▲▲（1）順序存儲：用一組地址連續的存儲單元依次存儲完全二叉樹的節點元素。對于一般二叉樹，需添加“虛節點”補全為完全二叉樹，浪費空間。（2）鏈式存儲（二叉鏈表）：每個節點包含一個數據域和兩個分別指向左孩子和右孩子的指針域，是最常用的存儲方式9。（3）遍歷算法：【必考】【編程實現】1.先序遍歷：訪問根節點>先序遍歷左子樹>先序遍歷右子樹(根左右)。2.中序遍歷：中序遍歷左子樹>訪問根節點>中序遍歷右子樹(左根右)。3.后序遍歷：后序遍歷左子樹>后序遍歷右子樹>訪問根節點(左右根)。4.層次遍歷：從上到下、從左到右依次訪問每個節點，需借助隊列實現。（4）遍歷應用：給定兩種遍歷序列（尤其是中序+先序或中序+后序），可以唯一確定一棵二叉樹，這是考試的?？碱}型?！疽族e點】4、樹的應用拓展【熱點】▲▲（1）哈夫曼樹（HuffmanTree）：又稱最優二叉樹，是一種帶權路徑長度（WPL，所有葉子節點的帶權路徑長度之和）最小的二叉樹。1.構造算法：反復選擇權值最小的兩個根節點合并，直到形成一棵樹。常用于數據壓縮（哈夫曼編碼），高頻考點9。（2）二叉查找樹（BST，BinarySearchTree）/二叉排序樹：左子樹所有節點值小于根節點，右子樹所有節點值大于根節點，且左右子樹也分別是BST。對其中序遍歷可得有序序列，是動態查找的重要結構9。（3）堆（Heap）：一種特殊的完全二叉樹，常用于實現優先隊列。大根堆的根節點是最大值，小根堆的根節點是最小值，是堆排序的核心9。（二）圖（Graph）【重要】【熱點】★★★圖狀結構是一種“多對多”的非線性結構，由頂點（Vertex）和連接頂點的邊（Edge）組成。1、基本概念【基礎】（1）定義：圖G由兩個集合V和E組成，記為G=(V,E)，其中V是頂點的非空有限集合，E是邊的有限集合469。（2）分類：1.無向圖：邊是無方向的，用無序對(vi,vj)表示。2.有向圖：邊是有方向的，稱為弧，用有序對<vi,vj>表示，vi為弧尾，vj為弧頭。（3）基本術語：完全圖、頂點的度（無向圖）、入度與出度（有向圖）、路徑、路徑長度、回路（環）、連通圖（無向圖）、強連通圖（有向圖）、權、網（帶權圖）。2、圖的存儲結構【重要】▲（1）鄰接矩陣（AdjacencyMatrix）：用一維數組存儲頂點信息，用二維數組（矩陣）存儲邊的信息。1.優點：直觀，判斷任意兩頂點間是否有邊/弧很快捷（O(1)）。2.缺點：對于稀疏圖（邊數遠少于頂點對數），會浪費大量存儲空間9。（2）鄰接表（AdjacencyList）：對每個頂點建立一個單鏈表，鏈表中的節點表示依附于該頂點的邊（對于無向圖）或以該頂點為弧尾的?。▽τ谟邢驁D）。3.優點：節省空間，便于查找某個頂點的所有鄰接點。4.缺點：判斷兩頂點間是否存在關系，不如鄰接矩陣快9。3、圖的遍歷算法【核心操作】【高頻考點】▲▲▲（1）深度優先搜索（DFS，DepthFirstSearch）：類似樹的先序遍歷，是回溯思想的體現。從某頂點出發，訪問一個鄰接點后，遞歸地深入訪問該鄰接點的鄰接點。通常用棧（或遞歸）實現9。（2）廣度優先搜索（BFS，BreadthFirstSearch）：類似樹的層次遍歷，是“擴散”思想的體現。從某頂點出發，依次訪問其所有鄰接點，再按這些鄰接點的順序訪問它們各自的鄰接點。通常用隊列實現9。（3）應用：判斷圖的連通性、求連通分量、尋找最短路徑（BFS在無權圖中可找到最短路徑）等。4、圖的應用算法【難點】【拓展】★★（1）最小生成樹（MinimumSpanningTree,MST）：在連通網（帶權圖）的所有生成樹中，各邊權和最小的那棵。常用算法：1.Prim算法：從某頂點出發，逐步增加頂點，適合稠密圖。2.Kruskal算法：從邊出發，逐步選擇不構成回路的最小權值邊，適合稀疏圖9。（2）最短路徑（ShrtestPath）：3.Dijkstra算法：求單源點（從一個源點到其他所有頂點）的最短路徑，要求圖中所有邊權非負。4.Flayd算法：求每對頂點之間的最短路徑，可以處理負權邊（但不能有負權回路）9。（3）拓撲排序（TplgicalSrt）：對有向無環圖（DAG，DirectedAcyclicGraph）的頂點進行排序，使得對于圖中每條有向邊(u,v)，u在排序中都出現在v之前。常用于檢測工程流程中是否存在循環依賴9。（4）關鍵路徑（CriticalPath）：在帶權有向無環圖中，從源點到匯點具有最大路徑長度的路徑，決定了整個工程的最短工期9。四、算法基石：數據處理的核心策略（一）算法效率度量【基礎】【高頻考點】★★★脫離數據結構談論算法是無意義的，同樣，脫離了算法效率，數據結構的選擇就失去了評判標準。1、時間復雜度（TimeCmplexity）【核心】▲▲▲（1）定義：定性描述算法運行時間隨輸入規模（n）增長而變化的趨勢，記作T(n)=O(f(n))。它考察的是執行次數的數量級，而非具體時間。（2）大O表示法：忽略低階項和常數因子，關注主導項。常見復雜度：O(1)<O(lgn)<O(n)<O(nlgn)<O(n^2)<O(2^n)<O(n!)10。（3）分析法則：1.單條語句、簡單賦值、算術運算：O(1)。2.順序結構：時間復雜度按加法法則，取最大值。3.循環結構：時間復雜度按乘法法則，等于循環次數乘循環體內代碼的復雜度。4.分支結構：取所有分支中復雜度的最大值。（4）典型場景：【必考】【計算】5.雙層嵌套循環，各循環n次：O(n^2)10。6.循環變量倍增（如i=2）：O(lgn)10。7.遞歸算法：可推導遞歸方程求解（如二分查找O(lgn)，歸并排序O(nlgn)）。2、空間復雜度（SpaceCmplexity）（1）定義：定性描述算法運行時臨時占用存儲空間大小隨輸入規模n增長的變化趨勢，記作S(n)=O(f(n))。（2）考量維度：包括指令、常數、變量所占空間，以及遞歸調用時系統棧占用的額外空間。通常采用“空間換時間”的策略優化算法性能。（二）經典查找算法【重要】【高頻考點】★★★查找是在數據集合中尋找滿足特定條件的數據元素的過程。1、順序查找（1）適用：無序或有序的線性表。（2）思想：從一端開始，逐個比較關鍵字，直到找到目標或遍歷完所有元素。（3）效率：平均查找長度ASL=(n+1)/2，時間復雜度O(n)5。2、二分查找（折半查找）【熱點】▲▲（1）適用：必須采用順序存儲結構，且元素按關鍵字有序排列。（2）思想：每次將查找區間對半分，取中間記錄的關鍵字與目標值比較，根據比較結果縮小區間，直到找到或區間為空。（3）效率：時間復雜度O(lgn)。【易錯點】判定樹是一棵平衡的二叉查找樹，樹高即為最大比較次數。（4）編程實現：熟練掌握循環和遞歸兩種實現方式，注意邊界條件的判斷（如whilelw<=high）。3、散列查找（哈希查找）【熱點】▲▲▲（1）基本思想：根據關鍵字的值直接計算出其存儲地址，即存儲位置=f(關鍵字)。它改變了傳統的比較式查找9。（2）散列函數（哈希函數）構造方法：【基礎】1.直接定址法、除留余數法（最常用，H(key)=key%p，p通常選不大于表長的質數）、數字分析法、平方取中法等。（3）沖突處理（CollisinReslutin）：【難點】【高頻考點】2.開放定址法：一旦發生沖突，就去尋找下一個空的散列地址。包括線性探測再散列（容易造成堆積）、二次探測再散列、偽隨機探測再散列。3.鏈地址法（拉鏈法）：將所有關鍵字為同義詞的記錄存儲在一個單鏈表中，散列表中存放的是鏈表的頭指針。此法更常用，也易于實現9。（4）性能分析：散列表的查找效率取決于散列函數、沖突處理方法和裝填因子（α=表中記錄數/散列表長度）。理想情況下，查找時間復雜度可達到O(1)。（三）經典排序算法【重要】【高頻考點】★★★排序是將一組數據元素按關鍵字遞增或遞減順序重新排列的過程。理解各算法的穩定性、時間/空間復雜度及適用場景是關鍵。1、插入排序（1）直接插入排序：將待排序元素插入到已有序子序列的合適位置。穩定，時間復雜度O(n^2)。（2）希爾排序：先將待排序表分割成若干“稀疏”的子表，分別進行直接插入排序，最后再對全體進行一次直接插入排序。不穩定，時間復雜度約O(n^1.3)9。2、交換排序（1）冒泡排序：兩兩比較相鄰記錄的關鍵字，反序則交換，直到沒有反序為止。穩定，時間復雜度O(n^2)5。（2）快速排序：【熱點】▲▲▲1.思想：通過一趟排序將待排記錄分割成獨立的兩部分，其中一部分記錄的關鍵字均比另一部分小，再分別對這兩部分繼續進行排序。采用分治策略。2.性能：平均時間復雜度O(nlgn)，最壞情況（原序列基本有序）時間復雜度O(n^2)。不穩定。是目前內部排序中平均性能最優的算法之一59。3、選擇排序（1）簡單選擇排序：每一趟在剩余待排元素中選出關鍵字最小的元素，放在已排序序列的末尾。不穩定，時間復雜度O(n^2)。（2）堆排序：【熱點】▲▲1.思想：利用堆（完全二叉樹）進行排序。首先將待排序列構建成一個堆（如大根堆），輸出堆頂最大元素后，將堆底最后一個元素放到堆頂，再調整剩余元素使之重新成為堆，如此反復。2.性能：時間復雜度始終為O(nlgn)，不穩定9。4、歸并排序：【熱點】▲▲（1）思想：采用分治法，將已有序的子序列合并，得到完全有序的序列。即先使每個子序列有序，再使子序列段間有序。（2）性能：需要與原始序列等量的輔助空間，空間復雜度O(n)。時間復雜度始終為O(nlgn)。是穩定的排序算法9。5、排序算法比較與選擇【高頻考點】【核心比較】★★★算法平均時間復雜度最壞時間復雜度空間復雜度穩定性直接插入排序O(n^2)O(n^2)O(1)穩定冒泡排序O(n^2)O(n^2)O(1)穩定簡單選擇排序O(n^2)O(n^2)O(1)不穩定希爾排序約O(n^1.3)O(n^2)O(1)不穩定快速排序O(nlgn)O(n^2)O(lgn)~O(n)不穩定堆排序O(nlgn)O(nlgn)O(1)不穩定歸并排序O(nlgn)O(nlgn)O(n)穩定（四）算法與數據結構關系【核心思想】★★★1、辯證統一關系：數據結構是算法處理的對象，也是算法賴以操作的基礎。算法是解決問題的步驟，是驅動數據結構中數據流動和變化的規則5。2、相互影響：（1）數據結構決定算法的選擇：一個有序數組（線性結構）適合用二分查找（算法），而一個無序鏈表則只能使用順序查找（算法）。同樣的數據，不同的組織方式，催生了不同的算法。（2）算法的設計往往反過來催生新的數據結構：為了高效實現優先隊列這一算法需求，人們設計并使用了堆這種數據結構；為了高效實現集合的并和查找操作，人們設計了并查集。3、綜合評價能力：判斷一個解決方案的優劣，必須將數據結構與算法視為一個整體，綜合分析其時空效率、代碼可讀性、可維護性以及對問題規模的適應性。這是計算思維成熟的重要標志10。五、解題范式與考場制勝法則（一）常見題型與考查方式1、概念辨析題：考察對術語、定義、性質的精確理解。如：“棧和隊列的本質區別是什么？”“完全二叉樹與滿二叉樹的聯系與區別？”2、應用題：（1）給定數據序列，畫出某種數據結構（如哈夫曼樹、二叉排序樹）并計算相關值（WPL、ASL）。（2）給定一種遍歷序列（如先序+中序），還原二叉樹或圖。（3）模擬算法執行過程：如快速排序的一趟劃分過程、Dijkstra算法求最短路徑的過程。3、程序填空題或閱讀理解題：給出一段實現某種數據結構操作（如鏈表反轉、隊列入隊出隊）或算法（如二分查找、冒泡排序）的Pythn代碼，要求填寫缺失部分或分析代碼功能及輸出結果。4、算法設計題：針對一個簡單問題（如括號匹配、約瑟夫環問題），要求選擇合適的數據結構，并描述算法思路或寫出偽代碼。5、綜合應用題：提供一個生活情境（如“設計一個疫情期間的口罩預約系統”、“優化圖書館借書流程”），要求進行需求分析、數據抽象、數據結構選型，并說明算法流程。（二）核心解題步驟【通用模板】1、審題與抽象：（1）問題是什么？需要處理哪些核心數