求一段程序的复杂度通常涉及分析程序的时间复杂度和空间复杂度。以下是这两种复杂度的计算方法：
时间复杂度
时间复杂度是衡量程序执行时间随输入规模增长而增长的速度。它通常用大O符号表示。
代码行度量法
统计程序的源代码行数。
假设每行代码的出错率为1%，则每100行代码中可能有一个错误。
McCabe度量法
基于程序控制流的复杂性度量方法。
计算程序图中环路的个数，公式为：V（G） = m - n + 2，其中m是有向弧的个数，n是结点个数。
具体示例
例如，对于程序段 `for i:=1 to n do for j:=1 to n do x:=x+1`，其执行次数为 f（n） = 2n^2 + 2n + 1，时间复杂度为 O（n^2）。
空间复杂度
空间复杂度是衡量程序运行过程中所需内存空间随输入规模增长而增长的速度。
基本步骤
找出程序中占用空间的变量和数据结构。
分析这些变量和数据结构的空间大小与输入规模n的关系。
具体示例
例如，对于冒泡排序算法 `void BubbleSort （ int * a , int n ）`，其空间复杂度为 O（1），因为只有固定大小的变量。
对于递归算法 `void func（intx,inty,intz）`，如果每次递归调用都会增加新的栈空间，则空间复杂度为 O（n）。
综合考虑
在实际应用中，通常会综合考虑时间复杂度和空间复杂度来评估程序的性能。选择复杂度较低的算法可以在保证性能的同时，减少资源消耗。
建议
对于初学者，可以从时间复杂度入手，掌握大O符号的使用方法。
对于更复杂的程序，可以结合使用代码行度量法和McCabe度量法来更全面地评估程序的复杂性。
在实际开发中，除了理论分析外，还可以通过性能测试来验证复杂度分析的准确性。
