時間複雜度 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T(n)/f(n)的極限值（當n趨近於無窮大時）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))，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。 例子：演算法：

for(i=1; i<=n; ++i)
{
    for(j=1; j<=n; ++j)
    {
        c[i][j] = 0;//該步驟屬於基本操作執行次數：n的平方次
        for(k=1; k<=n; ++k)
            c[i][j] += a[i][k] * b[k][j];//該步驟屬於基本操作執行次數：n的三次方次
    }
}

則有：$T(n)=n^3+n^2$,根據上面括號裡的同數量級，我們可以確定 n的三次方 為T（n）的同數量級。 則有：$f(n)=n^3$ ，然後根據 T(n)/f(n) 求極限可得到常數c。 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，如果一個for迴圈套一個二分，那麼時間複雜度則為O(nlogn)。