与此相关的因素有：

依据算法选用何种策略；

问题的规模；

程序设计的语言；

编译程序所产生的机器代码的质量；

机器执行指令的速度；

数据的初试状态有关

撇开软硬件等有关部门因素，可以认为一个特定算法“运行工作量”的大小，只依赖

于问题的规模（通常用 n 表示），表示成是问题规模的函数。

3、时间复杂度

算法中基本操作重复执行的次数是问题规模 n 的某个函数，其时间量度记作

T(n)=O(f(n))，称作算法的渐近时间复杂度(Asymptotic Time plexity)，简称时间复杂度。

一般地，常用最深层循环内的语句中的原操作的执行频度(重复执行的次数)来

表示。

定理：若 A(n)=a m n m +a m-1 n m-1 +…+a1n+a0 是一个 m 次多项式，

则 A(n)=O(n m)

表示时间复杂度的阶有：

O(1) ：常量时间阶 O (n)：线性时间阶

O(㏒ n) ：对数时间阶 O(n ㏒ n) ：线性对数时间阶

O (nk)： k≥2 ，k 次方时间阶

其关系为：