如何理解算法的空间复杂度？

谢邀，一般我们不太喜欢谈空间复杂度，评价算法效率的时候还是以时间复杂度作为主要指标的。

方便理解的话你可以把这三个部分想象成：输入数据的规模，编译链接后生成的可执行程序的大小，运行这个程序的过程中监控到的占用内存最大大小。

一般我们谈及空间复杂度也更倾向于第三个部分，尤其是各类主要考验算法设计的OJ，输入是固定的，程序大小主要也依赖于编译/语言等底层实现，能由高级的，可以被抽象为函数的算法优化的只有在实现算法过程中使用的额外辅助空间的大小了，比如排序算法，有些可以在原地实现，那么空间复杂度就是 O(1) ，有些需要一个同等长度的辅助空间来完成分治合并等等，那么空间复杂度就是 O(n) 。OJ遇到的空间开销问题MLE(memory limit exceeded)说的都是这类辅助空间太大的问题，不过一般很少很少能遇到这样的错误，毕竟你正常写算法（在题目没有明确的辅助空间限制的前提下）也很难超额使用太多内存，不同的算法实现之间内存效率区分度没那么大，更何况现代计算机在垃圾回收和内存性能上提升很迅速，早就不是这些“复杂度”概念提出的时代背景了，不适合过多关注这个概念，一般不会形成掣肘。