假设算法A的运行时间表达式 T1(n) 为： T1(n)=30n4+20n3+40n2+46n+100     假设算法B的运行时间表达式 T2(n) 为： T2(n)=1000n3+50n2+78n+10   当问题规模足够大的时候，例如n=100万，算法的运行时间将主要取决于时间表达式的第一项，其它项的执行时间只有它的几十万分之一，可以忽略不计。第一项的常数系数，随着n的增大，对算法的执行时间也变得不重要了。    于是，算法A的运行时间可以记为： T1(n)≈n4 ，记为 T1(n)=Θ(n4) ；算法B的运行时间可以记为： T2(n)≈n4 ，记为 T2(n)=Θ(n4) 。

Θ 的数学含义  方式一：设 f(n) 和 g(n) 是定义域为自然数集合的函数。如果 limn→∞f(n)g(n) 存在，并且等于某个常数 c(c>0) ，那么 f(n)=Θ(g(n)) 。通俗理解为 f(n)和g(n) 同阶， Θ 用来表示算法的精确阶。

方式二： Θ(g(n)) ={ f(n) :存在正常量 c1、c2和n0 ，使得对所有 n≥n0 ，有 0≤c1g(n)≤f(n)≤c2g(n) }若存在正常量 c1、c2 ，使得对于足够大的n，函数 f(n) 能“夹入” c1g(n)与c2g(n) 之间，则 f(n) 属于集合 Θ(g(n)) ，记作 f(n)∈Θ(g(n)) 。作为代替，我们通常记“ f(n)=Θ(g(n)) ”。

  由下图中左侧 f(n)=Θ(g(n)) 图可以看出，对所有 n>n0 时，函数 f(n) 乘一个常量因子可等于 g(n) ，我们称 g(n) 是 f(n) 的一个 渐近紧确界 。 Θ 记号在五个记号中，要求是最严格的，因为 g(n) 即可以表示上界也可以表示下界。

  需要注意的是： Θ(g(n)) 的定义要求每个成员 f(n)∈Θ(g(n)) 均 渐近非负，即当n足够大时， f(n) 非负。 渐近正函数 就是对所有足够大的n均为正的函数。

定义：设 f(n)和g(n) 是定义域为自然数集 N 上的函数。若存在正数 c和n0 ，使得对一切 n≥n0 都有 0≤f(n)≤cg(n) 成立，则称 f(n) 的渐进的上界是 g(n) ，记作 f(n)=O(g(n)) 。通俗的说n满足一定条件范围内，函数 f(n) 的阶不高于函数 g(n) 。

  根据符号 O 的定义，用它评估算法的复杂度得到的只是问题规模充分大时的一个上界。这个上界的阶越低，评估越精确，越有价值。

例如：设 f(n)=n2+n ,则  f(n)=O(n2) ，取 c=2 , n0=1 即可  f(n)=O(n3) ，取 c=1 , n0=2 即可。显然， O(n2) 作为上界更为精确。

几种常见的复杂度关系

O(1)