Update 02.Algorithm-Complexity.md

Contents/00.Introduction/02.Algorithm-Complexity.md

@@ -162,16 +162,21 @@ def algorithm(n):
 
 #### 2.3.4 阶乘 $O(n!)$
 
-阶乘时间复杂度一般出现在与「全排列」相关的算法中。这类算法随着问题规模 n 的增大，对应计算次数呈阶乘关系增长。
+阶乘时间复杂度一般出现在与「全排列」、「旅行商问题暴力解法」相关的算法中。这类算法随着问题规模 n 的增大，对应计算次数呈阶乘关系增长。
 
 ```Python
-def algorithm(n):
-    if n <= 0:
-        return 1
-    return n * algorithm(n - 1)
+def permutations(arr, start, end):
+    if start == end:
+        print(arr)
+        return
+
+	for i in range(start, end):
+        arr[i], arr[start] = arr[start], arr[i]
+    	permutations(arr, start + 1, end)
+        arr[i], arr[start] = arr[start], arr[i]
 ```
 
-上述代码中计算阶乘使用了递归的方法。计算 `n` 的阶乘时需要先计算出 `n - 1` 的阶乘，计算 `n - 1` 的阶乘时，需要计算出 `n - 2` 的阶乘，以此类推。在计算总的时间复杂度时需要将每一步的基本操作数相乘，即：$n * (n - 1) * (n - 2) * ... * 2 * 1 = n!$，这段代码的执行次数为 $n!$ 次，所以其时间复杂度为 $O(n!)$。
+上述代码中实现「全排列」使用了递归的方法。假设数组 `arr` 长度为 `n`，第一层 `for` 循环执行了 `n` 次，第二层 `for` 循环执行了 `n - 1` 次。以此类推，最后一层 `for` 循环执行了 `1` 次，将所有层 `for` 循环的执行次数累乘起来为 $n * (n - 1) * (n - 2) * ... * 2 * 1 = n!$ 次。则整个算法的 `for` 循环中基本语句的执行次数为 $n!$ 次，所以对应时间复杂度为 $O(n!)$。
 
 #### 2.3.5 对数 $O(log_2n)$
 
@@ -302,4 +307,3 @@ def algorithm(n):
 - 【文章】[算法复杂度（时间复杂度+空间复杂度）](https://www.biancheng.net/algorithm/complexity.html)
 - 【文章】[算法基础 - 复杂度 - OI Wiki](https://oi-wiki.org/basic/complexity/)
 - 【文章】[图解算法数据结构 - 算法复杂度 - LeetBook - 力扣](https://leetcode-cn.com/leetbook/read/illustration-of-algorithm/r84gmi/)
-