diff --git a/ctl/label.go b/ctl/label.go
index 6553508e..ffbc4fa7 100644
--- a/ctl/label.go
+++ b/ctl/label.go
@@ -4,18 +4,19 @@ import (
"bufio"
"errors"
"fmt"
- "github.com/halfrost/LeetCode-Go/ctl/util"
- "github.com/spf13/cobra"
"io"
"io/ioutil"
"os"
"regexp"
"strings"
+
+ "github.com/halfrost/LeetCode-Go/ctl/util"
+ "github.com/spf13/cobra"
)
var (
- chapterOneFileOrder = []string{"_index", "Data_Structure", "Algorithm"}
- chapterOneMenuOrder = []string{"_index", "#关于作者", "Data_Structure", "Algorithm"}
+ chapterOneFileOrder = []string{"_index", "Data_Structure", "Algorithm", "Time_Complexity"}
+ chapterOneMenuOrder = []string{"_index", "#关于作者", "Data_Structure", "Algorithm", "Time_Complexity"}
chapterTwoFileOrder = []string{"_index", "Array", "String", "Two_Pointers", "Linked_List", "Stack", "Tree", "Dynamic_Programming", "Backtracking", "Depth_First_Search", "Breadth_First_Search",
"Binary_Search", "Math", "Hash_Table", "Sort", "Bit_Manipulation", "Union_Find", "Sliding_Window", "Segment_Tree", "Binary_Indexed_Tree"}
chapterThreeFileOrder = []string{"_index", "Segment_Tree", "UnionFind", "LRUCache", "LFUCache"}
@@ -34,10 +35,10 @@ var (
chapterMap = map[string]map[string]string{
"ChapterOne": {
- "_index": "第一章 序章",
- "#关于作者": "1.1 关于作者",
- "Data_Structure": "1.2 数据结构知识",
- "Algorithm": "1.3 算法知识",
+ "_index": "第一章 序章",
+ "Data_Structure": "1.1 数据结构知识",
+ "Algorithm": "1.2 算法知识",
+ "Time_Complexity": "1.3 时间复杂度",
},
"ChapterTwo": {
"_index": "第二章 算法专题",
diff --git a/website/content/ChapterOne/Algorithm.md b/website/content/ChapterOne/Algorithm.md
index c4369838..b7970e2c 100644
--- a/website/content/ChapterOne/Algorithm.md
+++ b/website/content/ChapterOne/Algorithm.md
@@ -30,5 +30,5 @@ weight: 2
----------------------------------------------
diff --git a/website/content/ChapterOne/Time_Complexity.md b/website/content/ChapterOne/Time_Complexity.md
new file mode 100644
index 00000000..5b86d09c
--- /dev/null
+++ b/website/content/ChapterOne/Time_Complexity.md
@@ -0,0 +1,140 @@
+---
+title: 1.3 时间复杂度
+type: docs
+weight: 3
+---
+
+# 时间复杂度和空间复杂度
+
+
+## 一. 时间复杂度数据规模
+
+1s 内能解决问题的数据规模：10^6 ~ 10^7
+
+- O(n^2) 算法可以处理 10^4 级别的数据规模(保守估计，处理 1000 级别的问题肯定没问题)
+- O(n) 算法可以处理 10^8 级别的数据规模(保守估计，处理 10^7 级别的问题肯定没问题)
+- O(nlog n) 算法可以处理 10^7 级别的数据规模(保守估计，处理 10^6 级别的问题肯定没问题)
+
+| | 数据规模|时间复杂度 | 算法举例|
+|:------:|:------:|:------:|:------:|
+|1|10|O(n!)|permutation 排列|
+|2|20~30|O(2^n)|combination 组合|
+|3|50|O(n^4)|DFS 搜索、DP 动态规划|
+|4|100|O(n^3)|任意两点最短路径、DP 动态规划|
+|5|1000|O(n^2)|稠密图、DP 动态规划|
+|6|10^6|O(nlog n)|排序，堆，递归与分治|
+|7|10^7|O(n)|DP 动态规划、图遍历、拓扑排序、树遍历|
+|8|10^9|O(sqrt(n))|筛素数、求平方根|
+|9|10^10|O(log n)|二分搜索|
+|10|+∞|O(1)|数学相关算法|
+|----------------|----------------|------------------------------------------------------------------|--------------------------------|
+
+
+一些具有迷惑性的例子：
+
+```c
+void hello (int n){
+
+ for( int sz = 1 ; sz < n ; sz += sz)
+ for( int i = 1 ; i < n ; i ++)
+ cout << "Hello" << endl;
+}
+```
+
+上面这段代码的时间复杂度是 O(nlog n) 而不是 O(n^2)
+
+```c
+bool isPrime (int n){
+
+ for( int x = 2 ; x * x <= n ; x ++ )
+ if( n % x == 0)
+ return false;
+ return true;
+}
+```
+
+上面这段代码的时间复杂度是 O(sqrt(n)) 而不是 O(n)。
+
+再举一个例子，有一个字符串数组，将数组中的每一个字符串按照字母序排序，之后再降整个字符串数组按照字典序排序。两步操作的整体时间复杂度是多少呢？
+
+如果回答是 O(n*nlog n + nlog n) = O(n^2log n)，这个答案是错误的。字符串的长度和数组的长度是没有关系的，所以这两个变量应该单独计算。假设最长的字符串长度为 s，数组中有 n 个字符串。对每个字符串排序的时间复杂度是 O(slog s)，将数组中每个字符串都按照字母序排序的时间复杂度是 O(n * slog s)。
+
+将整个字符串数组按照字典序排序的时间复杂度是 O(s * nlog n)。排序算法中的 O(nlog n) 是比较的次数，由于比较的是整型数字，所以每次比较是 O(1)。但是字符串按照字典序比较，时间复杂度是 O(s)。所以字符串数组按照字典序排序的时间复杂度是 O(s * nlog n)。所以整体复杂度是 O(n * slog s) + O(s * nlog n) = O(n\*slog s + s\*nlogn) = O(n\*s\*(log s + log n))
+
+## 二. 空间复杂度
+
+递归调用是有空间代价的，递归算法需要保存递归栈信息，所以花费的空间复杂度会比非递归算法要高。
+
+```c
+int sum( int n ){
+ assert( n >= 0 )
+ int ret = 0;
+ for ( int i = 0 ; i <= n ; i++)
+ ret += i;
+ return ret;
+}
+```
+
+上面算法的时间复杂度为 O(n)，空间复杂度 O(1)。
+
+```c
+int sum( int n ){
+ assert( n >= 0 )
+ if ( n == 0 )
+ return 0;
+ return n + sum( n - 1);
+}
+```
+
+上面算法的时间复杂度为 O(n)，空间复杂度 O(n)。
+
+## 三. 递归的时间复杂度
+
+### 只有一次递归调用
+
+如果递归函数中，只进行了一次递归调用，且递归深度为 depth，在每个递归函数中，时间复杂度为 T，那么总体的时间复杂度为 O(T * depth)
+
+举个例子：
+
+```c
+int binarySearch(int arr[], int l, int r, int target){
+ if( l > r)
+ return -1;
+ int mid = l + (r-l)/2;//防溢出
+ if(arr[mid] == target)
+ return mid;
+ else if (arr[mid]>target)
+ return binarySearch(arr,l,mid-1,target);
+ eles
+ return binarySearch(arr,mid+1,r,target);
+}
+
+```
+
+在二分查找的递归实现中，只递归调用了自身。递归深度是 log n ，每次递归里面的复杂度是 O(1) 的，所以二分查找的递归实现的时间复杂度为 O(log n) 的。
+
+
+### 只有多次递归调用
+
+针对多次递归调用的情况，就需要看它的计算调用的次数了。通常可以画一颗递归树来看。举例：
+
+```c
+int f(int n){
+ assert( n >= 0 );
+ if( n ==0 )
+ return 1;
+ return f( n - 1 ) + f ( n - 1 );
+
+```
+
+上述这次递归调用的次数为 2^0^ + 2^1^ + 2^2^ + …… + 2^n^ = 2^n+1^ - 1 = O(2^n)
+
+
+> 关于更加复杂的递归的复杂度分析，请参考，主定理。主定理中针对各种复杂情况都给出了正确的结论。
+
+
+----------------------------------------------
+
\ No newline at end of file
diff --git a/website/content/ChapterTwo/_index.md b/website/content/ChapterTwo/_index.md
index af78a6c3..6aa84542 100644
--- a/website/content/ChapterTwo/_index.md
+++ b/website/content/ChapterTwo/_index.md
@@ -24,6 +24,6 @@ weight: 2
----------------------------------------------