演算法的複雜度分為時間複雜度和空間複雜度
其實，時間複雜度實際上就是乙個函式，這個函式呢，它計算的是乙個演算法執行基本操作的次數。
這裡，要明確，為什麼不直接用時間來衡量乙個演算法的優劣，其原因在於乙個演算法在乙個平台上執行時，可能會受到其他因素的影響，比如相同的兩個機器在執行乙個和多個程序時，其響應速度就會不一樣，如果讓它們共同執行乙個演算法程式，那消耗的時間也可能不一樣，而形態的演算法在不同平台上執行的次數是定的，所以其可以判斷乙個演算法的優劣。
1. 時間複雜度的大o漸進表示法
乙個演算法語句總的執行次數是關於問題規模n的某個函式，記為f(n),n稱為問題的規模。語句總的執行次數記為t（n），當n不斷變化時，t（n）也在變化，演算法的執行次數的增長速率和f（n）的增長速率相同。則有t（n）=o（f（n）），稱o（f（n））為時間複雜度的o漸近表示法。
2.時間複雜度o(n)的計算方法
遞迴演算法的時間複雜度=遞迴次數*每次遞迴次數。
例如：
//求1+2+3+...n之和
intsum(int n)
空間複雜度：函式中建立物件的個數關於問題規模函式表示式，一般情況下用o的漸進表示法表示。
先來看一段**；
這段**的時間複雜度很明顯是o（n），而空間複雜度呢？
平常我們寫斐波那契的演算法是這樣寫的；
long fib(long n)
其第一種方法的空間複雜度是o（n），其採用的是尾遞迴的方法，那什麼是尾遞迴？
尾遞迴：就是函式最後一條執行語句是對函式自身呼叫的語句，第一種方法的最後一條語句就是是對自身的呼叫，而沒有其他變數，這種遞迴就稱為尾遞迴，尾遞迴的乙個好處就是：在某些編譯器下，採用尾遞迴的方法，編譯器會自動對其方法優化，優化後的空間複雜度就是o（1）了。
以上內容為本人自己理解，如有不對，請指正。
資料結構 演算法複雜度
二 演算法的效能評價 三 真題解析 資料結構的第一章 緒論 包含的最後乙個重要內容是關於演算法的複雜度。這個考點一般會單獨出現在選擇題的前兩道，需要你熟練掌握演算法的基本概念 演算法時間複雜度和空間複雜度的分析判斷等。其次，還會出現在大題的程式設計部分，將演算法複雜度作為乙個限制條件，要求你給出滿足...
資料結構之演算法複雜度
解決特定問題求解步驟的描述。在計算機中表現為指令的有限序列，每條指令可表示乙個或多個操作。此外，乙個演算法還具有下列5個特性 有窮性，確定性，可行性，輸入，輸出。演算法設計的要求 正確性，可讀性，健壯性，效率與低儲存量需求。what？時間複雜度和空間複雜度 why？可以用度量演算法的好與壞 how？...
資料結構（二） 演算法複雜度
演算法中執行次數最多的那條語句就是基本語句，測定執行時間就是計算基本語句的執行次數 可以忽略加法常數 與最高此項相乘的常數並不重要 最高次項的指數越大，增長越快 判斷乙個演算法執行效率時，函式中的常數和其他次要項常常可以忽略，更應該關注主項 最高端項 的階數 某個演算法，隨著n增大，它會越來越優於另...