Polish the contents

1. Array and linked list.
2. Computational complexity.
3. Fix a mistake in counting_sort.md

docs/chapter_computational_complexity/space_time_tradeoff.md

@@ -1,10 +1,10 @@
 # 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够达到最优，而实际上，同时优化时间复杂度和空间复杂度是非常困难的。
+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。
 
-**降低时间复杂度，往往是以提升空间复杂度为代价的，反之亦然**。我们把牺牲内存空间来提升算法运行速度的思路称为「以空间换时间」；反之，称之为「以时间换空间」。选择哪种思路取决于我们更看重哪个方面。
+**降低时间复杂度通常需要以提升空间复杂度为代价，反之亦然**。我们将牺牲内存空间来提升算法运行速度的思路称为「以空间换时间」；反之，则称之为「以时间换空间」。
 
-大多数情况下，时间都是比空间更宝贵的，只要空间复杂度不要太离谱、能接受就行，**因此以空间换时间最为常用**。
+选择哪种思路取决于我们更看重哪个方面。在大多数情况下，时间比空间更宝贵，因此以空间换时间通常是更常用的策略。当然，在数据量很大的情况下，控制空间复杂度也是非常重要的。
 
 ## 示例题目 *
 
@@ -13,16 +13,16 @@
 !!! question "两数之和"
 
     给定一个整数数组 `nums` 和一个整数目标值 `target` ，请你在该数组中找出“和”为目标值 `target` 的那两个整数，并返回它们的数组下标。
-    
+
     你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。
-    
+
     你可以按任意顺序返回答案。
 
-「暴力枚举」和「辅助哈希表」分别对应 **空间最优** 和 **时间最优** 的两种解法。本着时间比空间更宝贵的原则，后者是本题的最佳解法。
+「暴力枚举」和「辅助哈希表」分别对应“空间最优”和“时间最优”的两种解法。遵循时间比空间更宝贵的原则，后者是本题的最佳解法。
 
 ### 方法一：暴力枚举
 
-考虑直接遍历所有所有可能性。通过开启一个两层循环，判断两个整数的和是否为 `target` ，若是则返回它俩的索引（即下标）即可。
+考虑直接遍历所有可能的组合。通过开启一个两层循环，判断两个整数的和是否为 `target` ，若是，则返回它们的索引（即下标）。
 
 === "Java"
 
@@ -84,11 +84,11 @@
     [class]{}-[func]{twoSumBruteForce}
     ```
 
-该方法的时间复杂度为 $O(N^2)$ ，空间复杂度为 $O(1)$ ，**属于时间换空间**。本方法时间复杂度较高，在大数据量下非常耗时。
+该方法的时间复杂度为 $O(n^2)$ ，空间复杂度为 $O(1)$ ，**属于以时间换空间**。此方法时间复杂度太高，在大数据量下非常耗时。
 
 ### 方法二：辅助哈希表
 
-考虑借助一个哈希表，key 为数组元素、value 为元素索引。循环遍历数组中的每个元素 `num` ，并执行：
+考虑借助一个哈希表，key-value 分别为数组元素和元素索引。循环遍历数组中的每个元素 num，并执行：
 
 1. 判断数字 `target - num` 是否在哈希表中，若是则直接返回该两个元素的索引；
 2. 将元素 `num` 和其索引添加进哈希表；
@@ -153,4 +153,4 @@
     [class]{}-[func]{twoSumHashTable}
     ```
 
-该方法的时间复杂度为 $O(N)$ ，空间复杂度为 $O(N)$ ，**体现空间换时间**。本方法虽然引入了额外空间使用，但时间和空间使用整体更加均衡，因此为本题最优解法。
+该方法的时间复杂度为 $O(N)$ ，空间复杂度为 $O(N)$ ，**体现了以空间换时间**。尽管此方法引入了额外的空间使用，但在时间和空间的整体效率更为均衡，因此它是本题的最优解法。