一般談論的演算法之複雜度，經常是指 Big-O

• Big O Notation 代表演算法時間函式的上限（Upper bound），表示在最壞的狀況下，演算法的執行時間不會超過Big-Ο。

• O(1) (Constant Run Time): 此演算法 執行時間不會隨著輸入資料量的增加而增加

• O(n) (Linear Run Time): 此演算法 當輸入的資料越多，就會需要等比例輸出越多的內容，因此會需要消耗等比例越久的時間

• O(n^2) (Exponential Run Time): 此演算法 隨著資料量的增加，執行時間會以指數成長

• O(log n) (Logarithmic Run Time): 此演算法 隨著資料量增加，執行時間雖然會增加，但增加率會趨緩

Ref:

• [資料結構] 演算法評估與資料型別