Алгоритмы оцениваются по их временной и пространственной сложности, которые описывают, как растёт потребление времени и памяти в зависимости от размера входных данных (Big O notation). **Пример:** ``` # O(n) — линейная сложность def linear_search(arr, target): for item in arr: if item == target: return True return False # O(n²) — квадратичная сложность def bubble_sort(arr): n = len(arr) for i in range(n): for j in range(n - i - 1): if arr[j] > arr[j + 1]: arr[j], arr[j + 1] = arr[j + 1], arr[j] ``` Ключевые классы сложности: - **O(1)** — константное время (доступ по индексу в списке) - **O(log n)** — логарифмическое (бинарный поиск) - **O(n)** — линейное (поиск в неотсортированном массиве) - **O(n log n)** — эффективные сортировки (merge sort, quick sort) - **O(n²)** — медленные алгоритмы (сортировка пузырьком)