算法的时间与空间复杂度

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。

• 大 O 表示法用 O(f(n)) 描述算法执行步数随数据规模 n 增长的数量级，只保留增长最快的一项并忽略常数系数。
• 时间代价与空间代价时间代价指算法运行所需的基本操作次数，空间代价指除输入数据外额外占用的存储单元，二者往往需要相互权衡。
• 复杂度的估算方法根据循环嵌套的层数、每层重复次数和递归深度估算数量级，并列的语句相加后取增长最快的一项作为结果。
• 常见复杂度的量级常数、对数、线性、平方等量级增长快慢差异明显，规模越大差距越突出。
• 以空间换时间多用一个辅助数组往往能减少重复计算，是常见的优化取舍。

先修：学它之前要先会

• 算法效率与复杂度

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→
5. 5算法效率与复杂度

后继：学会它之后可以往哪走

坐标系里还没有概念把这条当先修。

学习「算法的时间与空间复杂度」

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。