build

chapter_computational_complexity/space_complexity.md

@@ -2,11 +2,11 @@
 comments: true
 ---
 
-# 2.3.   空间复杂度
+# 2.3   空间复杂度
 
 「空间复杂度 Space Complexity」用于衡量算法占用内存空间随着数据量变大时的增长趋势。这个概念与时间复杂度非常类似，只需将“运行时间”替换为“占用内存空间”。
 
-## 2.3.1.   算法相关空间
+## 2.3.1   算法相关空间
 
 算法运行过程中使用的内存空间主要包括以下几种：
 
@@ -292,7 +292,7 @@ comments: true
 
     ```
 
-## 2.3.2.   推算方法
+## 2.3.2   推算方法
 
 空间复杂度的推算方法与时间复杂度大致相同，只需将统计对象从“计算操作数量”转为“使用空间大小”。
 
@@ -656,7 +656,7 @@ comments: true
 
     ```
 
-## 2.3.3.   常见类型
+## 2.3.3   常见类型
 
 设输入数据大小为 $n$ ，常见的空间复杂度类型有（从低到高排列）：
 
@@ -1978,7 +1978,7 @@ $$
 
 再例如“数字转化为字符串”，输入任意正整数 $n$ ，它的位数为 $\log_{10} n$ ，即对应字符串长度为 $\log_{10} n$ ，因此空间复杂度为 $O(\log_{10} n) = O(\log n)$ 。
 
-## 2.3.4.   权衡时间与空间
+## 2.3.4   权衡时间与空间
 
 理想情况下，我们希望算法的时间复杂度和空间复杂度都能达到最优。然而在实际情况中，同时优化时间复杂度和空间复杂度通常是非常困难的。