时间复杂度就是一种用来描述算法在输入规模增长时所需执行时间的度量，即描述算法运行时间随问题规模增加而增长的速度，它是对算法执行时间的上界估计，通常通过O符号表示。时间复杂度描述了算法的效率和执行速度，可以用来对比不同算法的性能。

备注: 1.时间复杂度描述的是算法在最坏情况下的运行时间。这是因为最坏情况下的时间复杂度是对算法性能的上界估计，能够保证算法在任何情况下都能在该时间范围内完成。 2.在实际的算法分析中，通常还考虑最好情况和平均情况下的时间复杂度。最好情况是指在最理想的输入情况下的时间复杂度，平均情况是对所有可能输入情况下的平均时间复杂度的估计。

时间复杂度粗略的分为两类: 多项式量级和非多项式量级 非多项式量级只有两个 O ( 2 n ) 和 O ( n ! ) O(2^n) 和 O(n!) O(2n)和O(n!)

非多项式量级算法的执行时间会随着输入规模的增加急剧增长，是非常低效的算法。 多项式量级的复杂度常见的并不多，从低阶到高阶有(越高阶的时间复杂度，执行效率越低):

O ( 1 ) < O ( l o g n ) < O ( n ) < O ( n l o g n ) < O ( n 2 ) O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) O(1)