Big o 计算函数的复杂度

我们有家庭作业要写一个伪代码，将数组从最小到最大排序。这是我写的：

Function sorting(list)
;define
index = 0
for i in list.length:
    ;take first element from unsorted part in array
    small = list[0+i]
    ;length of unsorted list
    for n in list.length-i:
        ;runs on all elements in list starting from unsorted part (i)
        if list[n+i] <= small:
            ;if it is smallest, take smallest place
            small = list[n+i]
            ;save it's index
            index = n+i 
    put where the smallest is, the first element in unsorted part
    list[index] = array[i]
    ;put in first place of unsorted the smallest. we actually exchange smallest with first
    array[i] = small
return list

函数排序（列表）
;定义
索引=0
对于列表中的i.length：
;从数组中未排序的部分获取第一个元素
小=列表[0+i]
;未排序列表的长度
对于列表中的n.length-i：
;从未排序的零件（i）开始在列表中的所有元素上运行
如果列表[n+i]是O（n^2）

您可能需要学习不同的排序算法，例如，和。
您的近似步骤数为n+（n-1）+（n-2）+……+1.这等于n*（n+1）/2。在复杂性方面，它是O（n^2），或者说，自然地说，基本运算的数量与输入大小的平方成正比。
我知道。除了回答他的问题，我还给他提供了一些材料来研究不同的算法。@libik-我认为作者的意图是提到
桶排序
…实际上这是选择，所以我知道什么是O（），但我需要复杂性这里可以找到一个非常类似的例子，一步一步解释-实际上，O（）是复杂性的一种表现。我刚刚发现了一个非常复杂的“备忘单”：。快速排序是一个有趣的例子，说明了平均值（读作“现实生活”）和最坏情况之间的巨大差异。