一、 算法時間複雜度
- 符號：O(f(n))
- 含義：某個算法需要執行的指令數的量級
- 定義：
- 學術界：算法執行上界
- 工業界：算法執行的最低上界
- 注意點：通常算法時間複雜度與算法所處環境有關，如插入排序最差情況爲O(n^2)，最好情況爲O(1)，但一般所說的插入排序的時間複雜度爲O(n^2)是平均情況(絕大多數情況下的複雜度)，快速排序同理，最差爲O(n^2)，最好情況爲O(nlogn)，而平均情況爲O(nlogn)，這也就表示爲快速排序的平均情況。
二、空間複雜度：
- 符號：O(f(n))
- 含義：算法運行過程中額外開闢的空間的大小
- 注意點：當有遞歸時，還需要考慮遞歸所佔的空間，因爲需要保存斷點以及臨時變量，通常來說，遞歸本身所需的空間複雜度爲O(遞歸深度)
三、數據規模：
- 條件：運行10^8個指令需要一秒(通常來說)，所以如果需要在1秒內執行完畢某個算法，
- 當一個算法是O(n^2)，數據規模必須小於10^4，而由於每個數據的執行指令通常大於1，所以一般來說，當數據規模小於10^3時，才能保證一定能在1秒內執行完畢某個算法。
- 當一個算法是O(nlogn)，數據規模必須小於10^7，而保險來看，數據規模必須小於10^6。
- 而當一個算法是O(n)，數據規模必須小於10^8，而保險來看，數據規模必須小於10^7。