算法复杂度
定义 Big-Oh, $O(*)$ 表示算法的复杂度
$O()$ 表示最差情况的算法复杂度； $\Omega()$ 表示最好情况下的算法复杂度；当某种算法的 $O$ 和 $\Omega$ 的值相同时，可以用 $\theta$ 表示。
举个例子： 在计算字符串长度时，如果我们一开始就将字符串的长度作为输入记录在$len$ 变量下，那么在读取字符串长度时， 该算法的计算复杂度为$\Omega(1)$ 和$O(1)$， 那么这时候可以说这个算法复杂度为 $\theta(1)$
算法复杂度可能的几种情况：
- $O(1)$ : 算法复杂度为常数，即不管输入的长度为多少，复杂程度是固定的
- $O(n)$: 算法复杂度为线性，即复杂度与输入的长度成正比
- $O(n^2)$： 算法复杂度为指数型，即复杂度是输入长度的平方
- $O(log(n))$ 算法复杂度为对数型，即复杂度是输入长度的对数
还可能存在的算法复杂度有 $O(2^n), O(nlog(n))…$ 具体情况需要具体分析。