準確區分生理序列隨機性與混沌性，且不受序列長度與參數的影響是衡量復雜度算法的關鍵。本文提出了一種編碼式Lempel-Ziv（LZ）算法，分別從序列隨機性與混沌性的區分、長度的影響、動力學性質突變的敏感性、高斯白與粉紅噪聲復雜度測量等4個方面與經典LZ算法、多狀態LZ算法、樣本熵以及排列熵進行比較。結果顯示，在短、中、長時（100、500、5 000點）下，編碼式LZ算法均能準確區分隨機與混沌性，正確測度高斯噪聲的復雜度低于粉紅噪聲，并能準確響應序列動力學性質的改變。本文采用美國麻省理工學院（MIT）和波士頓貝斯以色列醫院（BIH）聯合建立的的MIT-BIH心電數據庫中的充血性心力衰竭RR間期（CHF-RR）數據和正常竇性心律RR間期（NSR-RR）數據進行測試，實驗結果顯示，在各種時長下，編碼式LZ復雜度算法均能準確地得出心力衰竭的復雜度低于竇性心律（P＜0.01）的結果，且不受長度與參數影響，具有較強的泛化能力。