1. 算法的复杂度：

2. 时间复杂度

时间频度：一个算法中语句执行次数，记为T（n）；
时间复杂度：描述T（n）的变化规律，记作：T（n）=O(f(n));
- 大O记法：用来体现算法复杂度的标记。一般情况下，随着n的增大，T（n）增长最慢的称为最优算法。
- 时间频度不同，但时间复杂度可能相同。如：T(n)=n^{2+3n+4与T(n)=4n}2+2n+1它们的频度不同，但时间复杂度相同，都为O(n2)。
推导大O阶：
1. 用常数1取代运行时间中所有的加法常数，如O（1）
2. 在修改后的运行次数憨厚，只保留最高阶数，如n^2+n为O(n2)
3. 如果最高阶数存在且不是1，则去除与这个项相乘的常数，如3n^3为O(n3)
常见时间复杂度：
1. 常数阶
  
  常数阶
2. 线性阶
  
  线性阶
3. 对数阶
  
  对数阶
4. 平方阶
  
  平方阶
5. 对比图
  
  对比图
6. 常用时间复杂度大小
  
  常用时间复杂度大小关系
最坏时间复杂度：
最坏情况下的时间复杂度称最坏时间复杂度。一般不特别说明，讨论的时间复杂度均是最坏情况下的时间复杂度。这样做的原因是：最坏情况下的时间复杂度是算法在任何输入实例上运行时间的上界，这就保证了算法的运行时间不会比任何更长。