配置文件
“关于回溯算法的复杂性，网络上的资料很混乱。 一些所谓的经典面试书不用回溯算法。 算法书也避开了这一点，感觉就像算法中的模糊边界”。
“所以，这是我个人理解，对内容持开放态度，集思广益，欢迎大家讨论！ " "
以下过程计算空间复杂性时，将计算系统堆栈(不是数据结构中的堆栈)所占用的空间。
子集问题分析：
时间复杂度： o(n*2n )不取各元素的状态，所以时间复杂度为o ) 2n )，需要嵌入数组才能构建各子集，并且需要o ) n )，最终时间复杂度： o ) n
空间复杂度： o(n )，因为递归的深度为n，所以系统堆栈使用的空间为o ) n )，各层递归使用的空间为常数水平。 请注意，代码中的result和path是全局变量。 即使放入自变量，被传递的也是参照，并不是新申请存储器空间，最终空间复杂度为o ) ) n ) )。
列举问题分析：
时间复杂性： o(n )！ 可见，这一点从数组的树视图中可以清楚地看到，每层的节点是n，第二层的每一个分支伸展n-1个分支，下面伸展n-2个分支，所以到叶的节点一共是n * n-1 * n-2 * … 1=n！
空间复杂性： o(n )与子集问题相同。
组合问题分析：
时间复杂度：由于o(n*2^n )的组合问题其实是种子集问题，所以组合问题的最坏情况也不会超过子集问题的时间复杂度。
空间复杂性： o(n )与子集问题相同。
n皇后问题分析：
时间复杂性： o(n )！ 是。 实际上，看树形图的话，直观上是o(n^n )，但是因为皇后之间不能见面，所以在检索中会有剪枝。 最糟糕的是o ) n！n！ 表示n*(n-1 )…*1。
空间复杂性： o(n )与子集问题相同。
数独问题分析：
时间复杂度： o(9^m )，m为’.’的数。
空间复杂度： o(n2 )，递归深度为n2
“一般来说，回溯算法的复杂性是指数时间的复杂性，这也是摘要吧。 " "