时间复杂度：用于评估执行程序所消耗的时间，可以估算出程序对处理器的使用程度。

时间频度：算法中的语句执行次数称为时间频度，记作 T(n)

如果存在某个函数 f(n)，使得当 n 趋于无穷大时，T(n)/f(n) 的极限值是不为零的常数，那么 f(n) 是 T(n) 的同数量级函数，记作 T(n)=O(f(n))，称 O(f(n)) 为算法的渐进时间复杂度，简称为时间复杂度。

常见的时间复杂度有：O(1) 常数型；O(log n) 对数型，O(n) 线性型，O(nlog n) 线性对数型，O(n2) 平方型，O(n3) 立方型，O(nk)k 次方型，O(2n) 指数型。

如何推导时间复杂度

求解算法复杂度一般分以下几个步骤：

找出算法中的基本语句：算法中执行次数最多的语句就是基本语句，通常是最内层循环的循环体。

计算基本语句的执行次数的数量级：只需计算基本语句执行次数的数量级，即只要保证函数中的最高次幂正确即可，可以忽略所有低次幂和最高次幂的系数。这样能够简化算法分析，使注意力集中在最重要的一点上：增长率。

用大Ο表示算法的时间性能：将基本语句执行次数的数量级放入大Ο记号中。

其中用大 O 表示法通常有三种规则：

用常数 1 取代运行时间中的所有加法常数；

只保留时间函数中的最高阶项；

如果最高阶项存在，则省去最高阶项前面的系数；

空间复杂度：用于评估执行程序所占用的内存空间，可以估算出程序对计算机内存的使用程度。

存储空间通常包括：指令空间（即代码空间）、数据空间（常量、简单变量）等所占的固定部分和动态分配、递归栈所需的可变空间。