演算法複雜度分為時間複雜度和空間複雜度。
其作用： 時間複雜度是指執行演算法所需要的計算工作量；而空間複雜度是指執行這個演算法所需要的記憶體空間。（演算法的複雜性體現在執行該演算法時的計算機所需資源的多少上，計算機資源最重要的是時間和空間（即暫存器）資源，因此複雜度分為時間和空間複雜度）。
計算方法
1.一般情況下，演算法中基本操作重複執行的次數是問題規模n的某個函式，用t(n)表示，若有某個輔助函式f(n),使得當n趨近於無窮大時，t(n)/f(n)的極限值為不等於零的常數，則稱f(n)是t(n)的同數量級函式。記作t(n)=o(f(n)),稱o(f(n)) 為演算法的漸進時間複雜度，簡稱時間複雜度。
分析：隨著模組n的增大，演算法執行的時間的增長率和 f(n) 的增長率成正比，所以 f(n) 越小，演算法的時間複雜度越低，演算法的效率越高。
2. 在計算時間複雜度的時候，先找出演算法的基本操作，然後根據相應的各語句確定它的執行次數，再找出 t(n) 的同數量級（它的同數量級有以下：1，log2n，n，n log2n ，n的平方，n的三次方，2的n次方，n!），找出後，f(n) = 該數量級，若 t(n)/f(n) 求極限可得到一常數c，則時間複雜度t(n) = o(f(n))
例：演算法：
for(i=1; i<=n; ++i)
}
則有 f(n) = n的三次方，然後根據 t(n)/f(n) 求極限可得到常數c
則該演算法的時間複雜度：t(n) = o(n^3) 注：n^3即是n的3次方。
3.在pascal中比較容易理解，容易計算的方法是：看看有幾重for迴圈，只有一重則時間複雜度為o(n)，二重則為o(n^2)，依此類推，如果有二分則為o(logn)，二分例如快速冪、二分查詢，如果乙個for迴圈套乙個二分，那麼時間複雜度則為o(nlogn)。
分類 按數量級遞增排列，常見的時間複雜度有：
常數階o(1),對數階o(
),線性階o(n),
線性對數階o(nlog2n),平方階o(n^2)，立方階o(n^3),…，
k次方階o(n^k),指數階o(2^n)。隨著問題規模n的不斷增大，上述時間複雜度不斷增大，演算法的執行效率越低。
空間複雜度(space complexity)是對乙個演算法在執行過程中臨時占用儲存空間大小的量度，記做s(n)=o(f(n))。比如直接插入排序的時間複雜度是o(n^2),空間複雜度是o(1) 。而一般的遞迴演算法就要有o(n)的空間複雜度了，因為每次遞迴都要儲存返回資訊。乙個演算法的優劣主要從演算法的執行時間和所需要占用的儲存空間兩個方面衡量。
空間複雜度
類似於時間複雜度的討論，乙個演算法的空間複雜度(spacecomplexity)s(n)定義為該演算法所耗費的儲存空間，它也是問題規模n的函式。漸近空間複雜度也常常簡稱為空間複雜度。空間複雜度(spacecomplexity)是對乙個演算法在執行過程中臨時占用儲存空間大小的量度。乙個演算法在計算機儲存器上所占用的儲存空間，包括儲存演算法本身所占用的儲存空間，演算法的輸入輸出資料所占用的儲存空間和演算法在執行過程中臨時占用的儲存空間這三個方面。演算法的輸入輸出資料所占用的儲存空間是由要解決的問題決定的，是通過參數列由呼叫函式傳遞而來的，它不隨本演算法的不同而改變。儲存演算法本身所占用的儲存空間與演算法書寫的長短成正比，要壓縮這方面的儲存空間，就必須編寫出較短的演算法。演算法在執行過程中臨時占用的儲存空間隨演算法的不同而異，有的演算法只需要占用少量的臨時工作單元，而且不隨問題規模的大小而改變，我們稱這種演算法是「就地\」進行的，是節省儲存的演算法，有的演算法需要占用的臨時工作單元數與解決問題的規模n有關，它隨著n的增大而增大，當n較大時，將占用較多的儲存單元，例如快速排序和歸併排序演算法就屬於這種情況。
分析乙個演算法所占用的儲存空間要從各方面綜合考慮。如對於遞迴演算法來說，一般都比較簡短，演算法本身所占用的儲存空間較少，但執行時需要乙個附加堆疊，從而占用較多的臨時工作單元；若寫成非遞迴演算法，一般可能比較長，演算法本身占用的儲存空間較多，但執行時將可能需要較少的儲存單元。
乙個演算法的空間複雜度只考慮在執行過程中為區域性變數分配的儲存空間的大小，它包括為參數列中形參變數分配的儲存空間和為在函式體中定義的區域性變數分配的儲存空間兩個部分。若乙個演算法為遞迴演算法，其空間複雜度為遞迴所使用的堆疊空間的大小，它等於一次呼叫所分配的臨時儲存空間的大小乘以被呼叫的次數(即為遞迴呼叫的次數加1，這個1表示開始進行的一次非遞迴呼叫)。演算法的空間複雜度一般也以數量級的形式給出。如當乙個演算法的空間複雜度為乙個常量，即不隨被處理資料量n的大小而改變時，可表示為o(1)；當乙個演算法的空間複雜度與以2為底的n的對數成正比時，可表示為o(log2n)；當乙個演算法的空間複雜度與n成線性比例關係時，可表示為o(n).若形參為陣列，則只需要為它分配乙個儲存由實參傳送來的乙個位址指標的空間，即乙個機器字長空間；若形參為引用方式，則也只需要為其分配儲存乙個位址的空間，用它來儲存對應實參變數的位址，以便由系統自動引用實參變數。
時間與空間複雜度比較
對於乙個演算法，其時間複雜度和空間複雜度往往是相互影響的。當追求乙個較好的時間複雜度時，可能會使空間複雜度的效能變差，即可能導致占用較多的儲存空間；反之，當追求乙個較好的空間複雜度時，可能會使時間複雜度的效能變差，即可能導致占用較長的執行時間。另外，演算法的所有效能之間都存在著或多或少的相互影響。因此，當設計乙個演算法(特別是大型演算法)時，要綜合考慮演算法的各項效能，演算法的使用頻率，演算法處理的資料量的大小，演算法描述語言的特性，演算法執行的機器系統環境等各方面因素，才能夠設計出比較好的演算法。演算法的時間複雜度和空間複雜度合稱為演算法的複雜度。
演算法複雜度 時間複雜度和空間複雜度
1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且乙個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數...
演算法複雜度 時間複雜度和空間複雜度
演算法複雜度 時間複雜度和空間複雜度 關鍵字 演算法複雜度 時間複雜度 空間複雜度 1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時 間多，哪個演算法花費的時間少就可以...
演算法複雜度 時間複雜度和空間複雜度
演算法的時間複雜度是指執行演算法所需要的計算工作量。n稱為問題的規模，當n不斷變化時，時間頻度t n 也會不斷變化。但有時我們想知道它變化時呈現什麼規律。為此，我們引入時間複雜度概念。一般情況下，演算法中基本操作重複執行的次數是問題規模n的某個函式，用t n 表示，若有某個輔助函式f n 存在乙個正...