算法複雜度分為時間複雜度和空間複雜度，一個好的算法應該具體執行時間短，所需空間少的特點。
随着計算機硬體和軟體的提升，一個算法的執行時間是算不太精确的。隻能依據統計方法對算法進行估算。我們抛開硬體和軟體的因素，算法的好壞直接影響程式的運作時間。
我們看一下小例子：
int value = 0; // 執行了1次
for (int i = 0; i < n; i++) { // 執行了n次
value += i;
}
這個算法執行了 1 + n 次，如果n無限大，我們可以把前邊的1忽略，也就是說這個算法執行了n次
時間複雜度常用大O符号表示，這個算法的時間複雜度就是O(n).
概念： 一般情況下，算法的基本操作重複執行的次數是子產品n的某一函數f(n),是以，算法的時間複雜度記做 T(n) = O(f(n))。 随着子產品n的增大，算法執行的時間增長率f(n)的增長率成正比，是以f(n)越小，算法 的時間複雜度越低，算法的效率越高。
計算時間複雜度
1.去掉運作時間中的所有加法常數。
2.隻保留最高階項。
3.如果最高階項存在且不是1，去掉與這個最高階相乘的常數得到時間複雜度
我們看一個例子
for (int i = 0; i < n; i++) {
for (int j = i; j < n; j++) {
// do .....
}
當 i = 0 時 裡面的fo循環執行了n次，當i等待1時裡面的for循環執行了n - 1次，當i 等于2裡裡面的fro執行了n - 2次........是以執行的次數是
根據我們上邊的時間複雜度算法
1.去掉運作時間中的所有加法常數： 沒有加法常數不用考慮
2.隻保留最高階項: 隻保留
3. 去掉與這個最高階相乘的常數: 去掉
隻剩下
最終這個算法的時間複雜度為
再看一個線性的
for ( int i = 0; i < n; i++) {
// do .....
因為循環要執行n次是以時間複雜度為O(n)
其它的我也就不一個一個算了，下面給出了常用的時間複雜度
排序法
最差時間分析
平均時間複雜度
穩定度
空間複雜度
冒泡排序
O(n2)
穩定
O(1)
快速排序
O(n*log2n)
不穩定
O(log2n)~O(n)
選擇排序
二叉樹排序
不一頂
O(n)
插入排序
堆排序
希爾排序
O