gibt es einen Standard zur Bestimmung des Aufwand von Algorithmen?

Typisches Benchmarkproblem, einige tausend Randbedingungen in eine Zahl 
zu quetschen... Deswegen erfindet jeder seinen eigenen.

Die Theoretiker haben die O-Notation. Die zählt aber nur in Abhängigkeit 
von der Eingangsmenge und eliminiert alle Konstanten und linearen 
Faktoren.

Die DSPler haben die MACs. Multiply-and-Accumulate, also einmal MUL + 
einmal Addition, weil sich Filter&Co in dem Bereich gut darauf 
zurückführen lassen.

Die High-Performance-Computing-Leute zählen entweder Linpack (im Rest 
der  Welt ungefähr so sinnvoll wie ein Ningi) oder FLOPs. Allerdings ist 
die FPU-Addition aufwendiger als die Multiplikation, und die 
Division/sqrt dagegen wiederum schnarchlahm.

Am ehrlichsten wäre folgende Auflistung, damit kann's jeder selbst 
abschätzen:

a ADD/SUB (n bit int/float)
b MUL (n*n->m bit)
c DIV
d Speicherzugriffe (lesend)
e Speicherzugriffe (schreibend)

d/e sollte man nicht vergessen. Bei High-Performance-Anwendungen ist 
meistens der Speicher der Flaschenhals, nicht die FPU.

O-Notation bzw. Landau-Notation wurden schon genannt.
Der "Rest" hängt vom Kontext ab.
Geht's um die Laufzeit-Komplexität sagt bspw. O(n²) das die Laufzeit in 
Abhängigkeit der Datenmenge n quadratisch wächst für n gegen unendlich.
Das "Problem" bei dieser Notation ist, dass sie nicht unbedingt etwas 
über den konkreten Anwendungsfall aussagt.
Beispiel: Zwei Algorithmen die dasselbe Problem lösen, einer braucht die 
Zeit T1(n) = n² + 10000, ein anderer T2(n) = n² + 10 n, beide wären 
O(n²).
T1 aber für Datenmengen > 1000 schneller (der Speicherverbrauch müsste 
noch gesondert betrachtet werden...)
Angegeben wird die Zeitkomplexität immer in Bezug auf ein bestimmtes 
Maschinenmodell, meist die Registermaschine. Die Zeit pro Befehl ist 
konstant O(1).