最近有乙個有趣的想法，和大家分享一下。
如果把我們自己也當成類似計算機的存在（或者說，現在我們專注於思考自己類似計算機的那一面），那麼思維、想法也有時間複雜度、空間複雜度嗎？執行在頭腦裡的 「演算法」 有沒有優劣……
上面的想法，認真說，十分無聊，有點庸俗。所以，我還是擺脫無聊的背景，和你說說有意思的。
我的觀察是，「空間複雜度」 對頭腦演算法的有效性影響很大！頭腦有些像乙個魔法池，裝入一些思考物件，產生它們之間的關係。頭腦似乎可以並行思考某個物件的方方面面，產生一種觀感，引導你進一步思考。但比起電腦，人腦的 「記憶體」 似乎是很小的，就是說，我們雖然可以同時思考乙個物件的方方面面，但能同時思考的物件的數量很少，2 - 3 個大概是極限了。試圖裝入更多物件會感到苦澀和勉強。
我為什麼認為上述思考值得寫出來，而不是一堆小朋友說的胡話呢？因為我發現上述解釋和數學等思想的發展有契合之處：
推崇符號化方程，就是小學初中學的方程，為什麼對解題特別有用（當然也有其他作用）？我再強調一次我對頭腦效能的猜想：頭腦的計算速度並不慢（而且是全方位多維度平行計算）但記憶體特別有限。這導致了兩個結果：
能同時思考的物件的性質不能太複雜。
思考過程只能是尾遞迴的（不然，「剛才我們說到哪了？我們是怎麼聊到這個話題的？」），不然邏輯深度很淺（因為函式呼叫棧太小了！）。
符號化很好地緩解了上述問題。
思考乙個符號以及符號的運算規則（或者表示式的變換規則）比思考符號背後的含義輕鬆。因為符號所代表的物件有可能（往往）是乙個比符號複雜很多的物件。
可以方便地寫在紙上。用上外存了 ?
不用我說，你也應該想過：方程的威力就在於，不用每次移項、合併都思考 「這意味著什麼呢？」。
啦啦啦啦說了很多。我也不去管我有沒有遺漏什麼沒說，因為你肯定已經大致了解我想說什麼了。
結論就是：
不要難為自己。面對複雜的問題，尤其是一開始的時候，你就是沒法把它一下子裝進腦子裡。這時候你應該 「品嚐恐懼」，認真感受問題的邏輯形狀。智。
重視符號化。減少對含義的思考，生活會更輕鬆。慧。
演算法複雜度分析中的符號（ ）
讀音 theta 西塔 既是上界也是下界 tight 等於的意思。讀音 big oh 歐公尺可榮 大寫 表示上界 tightness unknown 小於等於的意思。讀音 small oh 歐公尺可榮 小寫 表示上界 not tight 小於的意思。讀音 big omega 歐公尺伽 大寫 表示下界...
演算法複雜度 時間複雜度和空間複雜度
1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且乙個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數...
演算法複雜度 時間複雜度和空間複雜度
演算法複雜度 時間複雜度和空間複雜度 關鍵字 演算法複雜度 時間複雜度 空間複雜度 1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時 間多，哪個演算法花費的時間少就可以...