Fix the content

docs/chapter_computational_complexity/performance_evaluation.md

@@ -1,7 +1,5 @@
 # 算法效率评估
 
-## 算法评价维度
-
 在算法设计中，我们先后追求以下两个层面的目标：
 
 1. **找到问题解法**：算法需要在规定的输入范围内，可靠地求得问题的正确解。
@@ -14,9 +12,9 @@
 
 简而言之，**我们的目标是设计“既快又省”的数据结构与算法**。而有效地评估算法效率至关重要，因为只有了解评价标准，我们才能对比分析各种算法，从而指导算法设计与优化过程。
 
-## 效率评估方法
+效率评估方法主要分为两种：实际测试和理论估算。
 
-### 实际测试
+## 实际测试
 
 假设我们现在有算法 `A` 和算法 `B` ，它们都能解决同一问题，现在需要对比这两个算法的效率。最直接的方法是找一台计算机，运行这两个算法，并监控记录它们的运行时间和内存占用情况。这种评估方式能够反映真实情况，但也存在较大局限性。
 
@@ -24,7 +22,7 @@
 
 **展开完整测试非常耗费资源**。随着输入数据量的变化，算法会表现出不同的效率。例如，在输入数据量较小时，算法 `A` 的运行时间比算法 `B` 更少；而输入数据量较大时，测试结果可能恰恰相反。因此，为了得到有说服力的结论，我们需要测试各种规模的输入数据，而这样需要耗费大量的计算资源。
 
-### 理论估算
+## 理论估算
 
 由于实际测试具有较大的局限性，我们可以考虑仅通过一些计算来评估算法的效率。这种估算方法被称为「渐近复杂度分析 Asymptotic Complexity Analysis」，简称为「复杂度分析」。