我正在课堂上研究算法的复杂性，我需要知道算法是否有其他复杂性，我所知道和研究的是2种类型 1-是BIG O的复杂性，即时间和性能等 2-是空间复杂性，即内存复杂性， 算法有其他任何复杂性吗？算法是否由我错过的任何其他东西来衡量？
答案 0 :(得分：5)
就算法的渐近复杂性而言 - 是的，算法（和问题）是根据空间和时间来衡量的。
但是，我可以说更多。我会尝试解决一些问题：
空间/时间消耗来自分析方法
有四种常用的算法分析方法，用于空间和时间。请记住，big-O是一组函数，但是如何导出函数呢？根据分析方法得出复杂度的函数，该方法通常是以下之一：
这些方法中的每一种都可用于任何算法 - 并且结果不保证是相同的。例如，快速排序的最差时间复杂度为O(n^2)，平均时间复杂度为O(nlogn)。
更多集：
除了大O表示法之外，我们还使用其他表示法来表示复杂性。其他常用符号（通过使用的共性）：
不要与分析方法混淆：Big Theta / Big O / notations ...中的每一个都可以与任何分析方法配对（最坏情况/平均情况/ ......） 有关Big Theta，Big O以及它们之间的差异的更多详细信息，请参阅this thread
理论复杂性：
在理论"Complexity Theory"领域 - 我们分析问题，而不是算法。在这个领域，我们关心的是，如果一个问题可以通过多项式求解（也就是说，如果输入的大小 n ，则问题可以通过 n 的某种幂来解决。 ），多项式验证（给出可能的解决方案，检查它是否正确）。但是，还有其他类。
常见的复杂性类别是：
此外 - 如果问题可以解决/可以解决，我们感兴趣。用于描述问题的可解决性的常见类是：
真实世界：
在现实世界的应用程序中 - 我们不仅关心理论空间/时间复杂性，还关注常量（一种算法占用一半的时间，因为另一种更好，即使它们可以处于相同的复杂性类别这是因为复杂性类忽略了常量。
我们还考虑了程序/算法的实现时间和可维护性。