函數定義：
在計算機科學中，算法的時間複雜度是一個函數，它定量描述了該算法的運行時間。這是一個關於代表算法輸入值的字符串的長度的函數。時間複雜度常用大O符號表述，不包括這個函數的低階項和首項係數。
算法複雜度：
算法複雜度分爲時間複雜度和空間複雜度。其作用： 時間複雜度是指執行算法所需要的計算工作量；而空間複雜度是指執行這個算法所需要的內存空間。（算法的複雜性體現在運行該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（即寄存器）資源，因此複雜度分爲時間和空間複雜度）。
時間複雜度：
計算方法：
1. 一般情況下，算法中基本操作重複執行的次數是問題規模n的某個函數，用T(n)表示，若有某個輔助函數f(n),使得當n趨近於無窮大時，T(n)/f(n)的極限值爲不等於零的常數，則稱f(n)是T(n)的同數量級函數。記作T(n)=O(f(n)),稱O(f(n))
爲算法的漸進時間複雜度，簡稱時間複雜度。
分析：隨着模塊n的增大，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，算法的時間複雜度越低，算法的效率越高。
2. 在計算時間複雜度的時候，先找出算法的基本操作，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))
|
1
2
3
4
5
6
7
8
9
|
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
f(n) = n的三次方，然後根據 T(n)/f(n) 求極限可得到常數c
則該算法的時間複雜度：T(n)
= O(n^3) 注：n^3即是n的3次方。
3.
在pascal中比較容易理解，容易計算的方法是：看看有幾重for循環，只有一重則時間複雜度爲O(n)，二重則爲O(n^2)，依此類推，如果有二分則爲O(logn)，二分例如快速冪、二分查找，如果一個for循環套一個二分，那麼時間複雜度則爲O(nlogn)。
分類：
按數量級遞增排列，常見的時間複雜度有：
常數階O(1),對數階O(
線性對數階O(nlog2n),平方階O(n^2)，立方階O(n^3),...，
k次方階O(n^k),指數階O(2^n)。隨着問題規模n的不斷增大，上述時間複雜度不斷增大，算法的執行效率越低。