同一問題可用不同演算法解決，而乙個演算法的質量優劣將影響到演算法乃至程式的效率。演算法分析的目的在於選擇合適演算法和改進演算法。
電腦科學中，演算法的時間複雜度是乙個函式，它定量描述了該演算法的執行時間。這是乙個關於代表演算法輸入值的字串的長度的函式。時間複雜度常用大o符號表述，不包括這個函式的低階項和首項係數。使用這種方式時，時間複雜度可被稱為是漸近的，它考察當輸入值大小趨近無窮時的情況。
演算法複雜度分類
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）。
時間複雜度的計算方法
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))。
舉例說明：演算法：
for(i=1;
i<=n; ++i) }
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。
時間複雜度的分類
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。
大話資料結構 之時間複雜度
程式猿可以讓步，卻不可以退縮，可以羞澀，卻不可以軟弱，總之，程式設計師必須是勇敢的。時間複雜度序言 當前兩天我寫完 大話資料結構 的序言的時候,我就在想,我該如何把從大話資料結構中對應用開發人員有用的知識提煉出來?我是該如同課本一樣把所有的知識羅列個遍?還是如何如何,我想如果我把所有的東西都羅列出來...
資料結構之時間複雜度和空間複雜度
演算法複雜度分為時間複雜度和空間複雜度，乙個好的演算法應該具體執行時間短，所需空間少的特點。隨著計算機硬體和軟體的提公升，乙個演算法的執行時間是算不太精確的。只能依據統計方法對演算法進行估算。我們拋開硬體和軟體的因素，演算法的好壞直接影響程式的執行時間。我們看一下小例子 int value 0 執行...
資料結構之時間複雜度和空間複雜度
準備系統性的記錄一下資料結構與演算法的知識點，今天就先從時間複雜度與空間複雜度開始咯 時間複雜度的定義 在電腦科學中，演算法的時間複雜度是乙個函式，它定量描述了該演算法的執行時間。乙個演算法執行所耗費的時間，從理論上說，是不能算出來的，只有你把你的程式放在機器上跑起來，才能知道。並且在測試過程中還需...