Add figure and table numbers in normal texts.

docs/chapter_computational_complexity/time_complexity.md

@@ -873,7 +873,7 @@ $$
 
 下表展示了一些例子，其中一些夸张的值是为了强调“系数无法撼动阶数”这一结论。当 $n$ 趋于无穷大时，这些常数变得无足轻重。
 
-<p align="center"> 表：不同操作数量对应的时间复杂度 </p>
+<p align="center"> 表 <id> &nbsp; 不同操作数量对应的时间复杂度 </p>
 
 | 操作数量 $T(n)$        | 时间复杂度 $O(f(n))$ |
 | ---------------------- | -------------------- |
@@ -1288,7 +1288,7 @@ $$
 
 生物学的“细胞分裂”是指数阶增长的典型例子：初始状态为 $1$ 个细胞，分裂一轮后变为 $2$ 个，分裂两轮后变为 $4$ 个，以此类推，分裂 $n$ 轮后有 $2^n$ 个细胞。
 
-以下代码和图模拟了细胞分裂的过程，时间复杂度为 $O(2^n)$ 。
+下图和以下代码模拟了细胞分裂的过程，时间复杂度为 $O(2^n)$ 。
 
 === "Java"
 
@@ -1444,7 +1444,7 @@ $$
 
 与指数阶相反，对数阶反映了“每轮缩减到一半”的情况。设输入数据大小为 $n$ ，由于每轮缩减到一半，因此循环次数是 $\log_2 n$ ，即 $2^n$ 的反函数。
 
-以下代码和图模拟了“每轮缩减到一半”的过程，时间复杂度为 $O(\log_2 n)$ ，简记为 $O(\log n)$ 。
+下图和以下代码模拟了“每轮缩减到一半”的过程，时间复杂度为 $O(\log_2 n)$ ，简记为 $O(\log n)$ 。
 
 === "Java"