时间复杂度是一种用来衡量算法复杂度的指标，用来描述将输入规模 n 增加一倍时，该算法的执行时间会增加多少倍。
O(n) 的时间复杂度表示当 n 增长时，算法的执行时间最多会线性增加，不会超过 n 倍
O(log n) 表示算法的时间复杂度与输入规模 n 的对数成正比。这意味着当输入规模增加时，算法的执行时间会以较慢的速度增长。常见的具有 O(log n) 时间复杂度的算法包括二分查找、平衡二叉搜索树等。
O(n^2) 表示算法的时间复杂度与输入规模 n 的平方成正比。这意味着当输入规模增加时，算法的执行时间会以较快的速度增长。常见的具有 O(n^2) 时间复杂度的算法包括冒泡排序、插入排序、选择排序等。
O(2^n) 表示算法的时间复杂度随着输入规模 n 的增长呈指数级增加。这意味着当输入规模增加时，算法的执行时间会急剧增长。通常，具有 O(2^n) 时间复杂度的算法是指数级算法，例如穷举搜索算法（如子集生成、组合优化问题等）。