討論演算法的執行時間到現在，我們只提最糟糕的情況，好像不斷在強調演算法的效能可以有多差。

你可能會想，就算用線性搜尋玩猜數字，最衰最衰要猜100次，那也會有很多不用猜到100次的情況，或甚至猜一次就中的情況耶，不用考慮那種可能性嗎？

在分析演算法時，通常會討論最壞情況的執行時間，一方面是因為比較好掌握——最壞情況的數字比較不會因為輸入的內容而變動；另外一方面也等於是不對輸入做任何的預設或限制。也就是即便在輸入最大、最亂、最難操作的情況，執行時間最慢也不會慢於大O執行時間，大O時間即是上限。也因為不對輸入有任何限制，最壞情況適合不特定主題或情境的開放討論。

當然除了最壞情況外，還有別種分析演算法的方式，像是平均情況(average-case)的執行時間或針對特定輸入的執行時間，但這些通常代表對於輸入已有一些預設，例如當開發者已經很清楚某個問題會有哪些常見或典型的輸入，這類的分析可能就會特別有用。

另外也有最佳情況(best-case)執行時間，用大Ω符號(big Omega notation)表達，代表演算法需要最少步驟的情況。例如像線性搜尋和二分搜尋最快都可以一次就找到，所以它們的最佳情況執行時間都是Ω(1)。