在C++中，优化算法复杂度通常涉及以下几个方面：
选择合适的数据结构：不同的数据结构对操作的效率有很大影响。例如，使用哈希表（unordered_map）而不是数组或链表来查找元素，可以将时间复杂度从O(n)降低到O(1)。
使用有效的算法：选择合适的算法可以大大提高程序的运行效率。例如，使用快速排序（quick sort）而不是冒泡排序（bubble sort）可以将时间复杂度从O(n^2)降低到O(n log n)。
避免不必要的计算：在程序中，尽量避免重复计算相同的值。可以将计算结果存储在变量中，或者使用函数来封装计算逻辑，以便在需要时重用。
使用空间换时间：在某些情况下，可以通过增加额外的空间来提高程序的运行效率。例如，使用缓存（cache）来存储经常访问的数据，可以减少对磁盘的访问次数。
利用编译器优化：现代编译器提供了许多优化选项，可以自动优化代码以提高运行效率。例如，使用-O2或-O3选项编译C++代码，可以启用许多高级优化技术。
并行化：如果程序的计算任务可以分解成多个独立的子任务，可以考虑使用并行化技术（如多线程或多进程）来加速计算。这可以利用多核处理器的计算能力，提高程序的运行速度。
使用C++标准库和STL：C++标准库和STL提供了许多高效的算法和数据结构，可以直接使用这些工具来优化程序。例如，使用std::sort()函数可以对数组进行排序，使用std::find()函数可以查找元素等。
代码剖析：使用代码剖析工具（如gprof或Valgrind）来分析程序的运行效率，找出性能瓶颈，然后针对性地进行优化。
递归转迭代：递归算法可能会导致大量的堆栈空间消耗，可以考虑将其转换为迭代算法，以减少空间复杂度。
减少函数调用开销：函数调用会带来一定的开销，可以考虑将一些常用的计算逻辑封装在内联函数中，以减少函数调用的次数。
总之，优化C++代码的算法复杂度需要从多个方面入手，包括选择合适的数据结构、使用有效的算法、避免不必要的计算、利用编译器优化、并行化、使用C++标准库和STL、代码剖析、递归转迭代、减少函数调用开销等。在实际编程过程中，需要根据具体问题和需求来选择合适的优化策略。