複雜度

O(1) < O(logN) < O(N) < O (NlogN) < O(N^2) < O(N^3) < O(2^N)

如果要計算一個演算法則的複雜度，可以使用演算法則執行時所需要的「執行時間」(Time)或是「記憶體空間」(Space)來進行評估，但是演算法則所需的「記憶體空間」而言，由於是使用虛擬記憶體的技術，提供足夠的記憶體空間，因此一般還是採用「執行時間」來當成估算演算法則複雜度的依據。

複雜度的表示

(1)複雜度上限 (BiG-O)

表示演算法則在最差的情況的複雜度

若 f(N)=O(g(N))成立時，則存在二個常數 C 與 N0 ，使得f(N) <= Cg(N)，當N>=N0

(2)複雜度下限(Big Omega)

表示演算法則在最佳的情況的複雜度

若 f(N)=O(g(N))成立時，則存在二個常數 C 與 N0 ，使得f(N) >= Cg(N)，當N>=N0

(3)上限與下限為等級相同 (Big Theada)

若 f(N)=O(g(N))成立時，則存在二個常數C1 ， C2 與 N0 ，使得C1g(N) <=f(N) <= C2g(N)，當N>=N0