“高效性”（如时间复杂度低、空间占用少）属于**算法质量的评价标准**

算法的五大基本特性是：

1. 有穷性（Finiteness）：算法必须在有限步内结束，不能无限循环；
2. 确定性（Definiteness）：算法的每一步骤必须有明确无歧义的定义，相同输入总产生相同输出；
3. 可行性（Effectiveness / Feasibility）：算法中每一步都必须是基本、可执行的操作（即原则上能用纸笔或计算机在有限时间内完成）；
4. 输入（Input）：算法有零个或多个输入，这些输入取自特定集合；
5. 输出（Output）：算法至少有一个输出，且该输出与输入之间存在明确关系。

✅ “高效性”（如时间复杂度低、空间占用少）属于算法质量的评价标准（如正确性、健壮性、可读性、可扩展性、高效性等），而非定义算法所必需的基本特性——即：一个算法可以效率很低（如指数级），但只要满足上述五点，仍是“算法”。

类比：一辆车的基本属性是“有轮子、能行驶、有方向盘”，而“百公里油耗低”是性能指标，不是定义“车”的必要条件。

“零输入”符合算法的输入特性，是因为算法定义中对“输入”的要求是：有零个或多个输入（即输入集合可以为空）。关键不在于“是否需要外部提供数据”，而在于算法是否在逻辑上明确其输入域——当输入为空集时，算法仍能从确定的初始状态出发，执行有限、确定、可行的步骤，并产生输出。

✅ 这完全满足五大特性：

• 有穷性：步骤有限；
• 确定性：每步无歧义；
• 可行性：所有操作可执行；
• 输入：显式定义为“无输入”（即输入集合为 ∅）；
• 输出：有明确定义的结果。

🔹 经典示例：计算并输出前100个正整数的和

def sum_first_100():
    total = 0
    for i in range(1, 101):  # i = 1,2,...,100
        total += i
    return total  # 输出：5050

• ✅ 无参数（零输入）；
• ✅ 每次运行结果恒为 5050（确定性）；
• ✅ 仅含赋值、循环、加法（均可机械执行）；
• ✅ 100次迭代 → 有穷性；
• ✅ 明确输出一个整数 → 满足输出特性。

其他合法零输入算法示例：

• 输出当前系统时间（输入隐含于系统状态，但算法本身不接收用户输入）；
• 判定“4 是合数”并返回 True（硬编码逻辑，无需外部输入）；
• 枚举并输出斐波那契数列前20项（起始值固定，无输入）。

⚠️ 注意：零输入 ≠ 无初始状态。算法总需有确定的初始配置（如变量初值、内存状态），这属于算法描述的一部分，而非“输入”。