演算法複雜度分為時間複雜度和空間複雜度。下面摘錄其含義：

時間複雜度：

時間複雜度是指執行演算法所需要的計算工作量。

重點在其計算方法：

一個演算法中的語句執行次數稱為語句頻度或時間頻度。記為T(n)。 一般情況下，演算法的基本操作重複執行的次數是模組n的某一個函式f（n），因此，演算法的時間複雜度記做：T（n）=O（f（n））。 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 ，nLog2n ，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））。

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)。歸併排序就是這樣一種情況。

空間複雜度：

空間複雜度(Space Complexity)是對一個演算法在執行過程中臨時佔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。

一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，它包括為引數表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。

Ex： 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。

大O符號： 

        在演算法中代表了無限大趨近。例子如下： from wiki

                  解決一個規模為  的問題所花費的時間（或者所需步驟的數目）可以表示為：。當 增大時， 項將開始占主導地位，而其他各項可以被 忽略。 舉例說明：當， 項是 項的1000倍大，因此在大多數場合下，省略後者對錶達式的值的影響將是可以忽略不計的。

進一步看，如果我們與任一其他級的表示式比較，  項的係數也是無關緊要的。例如：一個包含 或 項的表示式，即使，假定，一旦 增長到大於 1,000,000，後者就會一直超越前者（ ）。

這樣，大O符號就記下剩餘的部分，寫作：

或

並且我們就說該演算法具有 階（平方階）的時間複雜度。

遞迴演算法：

遞迴演算法是一種直接或者間接地呼叫自身演算法的過程。在計算機編寫程式中，遞迴演算法對解決一大類問題是十分有效的，它往往使演算法的描述簡潔而且易於理解。

判斷：

遞迴演算法所體現的“重複”一般有三個要求： 一是每次呼叫在規模上都有所縮小(通常是減半)； 二是相鄰兩次重複之間有緊密的聯絡，前一次要為後一次做準備(通常前一次的輸出就作為後一次的輸入)； 三是在問題的規模極小時必須用直接給出解答而不再進行遞迴呼叫，因而每次遞迴呼叫都是有條件的(以規模未達到直接解答的大小為條件)，無條件遞迴呼叫將會成為死迴圈而不能正常結束。  為了理解， 最好參考網上程式碼，進一步認證瞭解。