更改

在'''计算机科学 computer science'''中，一个'''算法 algorithm'''的'''[[计算复杂度]]'''或简单的'''复杂度'''就是运行这个算法所需要的资源量，特别是'''时间'''（CPU占用时间）和'''空间'''（内存占用空间）需求。

在'''计算机科学 computer science'''中，一个'''算法 algorithm'''的'''计算复杂度'''或简单的'''复杂度'''就是运行这个算法所需要的资源量，特别是'''时间'''（CPU占用时间）和'''空间'''（内存占用空间）需求。

对一个有明确定义的算法的复杂度进行的研究叫做'''[[算法分析]] analysis of algorithm'''，而对'''问题 problem'''的复杂度研究叫做'''[[计算复杂度理论]] computation complexity theory'''分析。举个例子，怎样把一串数字从小到大进行排序，是一个问题（problem）；而针对这一问题，我们有多种明确定义的算法，如选择排序，归并排序等。假设我们有<math>n</math>个数字，那么排序问题的复杂度就是<math>nlogn</math>，而选择排序的复杂度是<math>n^2</math>，归并排序的复杂度是<math>6nlogn</math>。

对一个有明确定义的算法的复杂度进行的研究叫做'''[[算法分析]] analysis of algorithm'''，而对'''问题 problem'''的复杂度研究叫做'''计算复杂度理论 computation complexity theory'''分析。举个例子，怎样把一串数字从小到大进行排序，是一个问题（problem）；而针对这一问题，我们有多种明确定义的算法，如选择排序，归并排序等。假设我们有<math>n</math>个数字，那么排序问题的复杂度就是<math>nlogn</math>，而选择排序的复杂度是<math>n^2</math>，归并排序的复杂度是<math>6nlogn</math>。

这两个领域是高度相关的，因为算法的复杂度一直是该算法所求解问题复杂度的'''上限 upper bound'''。

这两个领域是高度相关的，因为算法的复杂度一直是该算法所求解问题复杂度的'''上限 upper bound'''。