時間複雜度由 𝑇(𝑛) 中最高階的項來決定。這是因爲在 𝑛 趨於無窮大時，最高階的項將發揮主導作用，其他 項的影響都可以忽略。
不同操作數量對應的時間複雜度
設輸入數據大小爲 𝑛 ，常見的時間複雜度類型（按照從低到高的順序排列）。
𝑂(1) < 𝑂(log 𝑛) < 𝑂(𝑛) < 𝑂(𝑛 log 𝑛) < 𝑂(𝑛2 ) < 𝑂(2𝑛) < 𝑂(𝑛!) 【數學表示】
常數階 < 對數階 < 線性階 < 線性對數階 < 平方階 < 指數階 < 階乘階 【文字表述】
***遍歷數組和遍歷鏈表等操作的時間複雜度均爲 𝑂(𝑛) ，其中 𝑛 爲數組或鏈表的長度。***
***平方階通常出現在嵌套循環中，外層循環和內層 循環的時間複雜度都爲 𝑂(𝑛) ，因此總體的時間複雜度爲 𝑂(𝑛2 )。***
***在實際算法中，指數階常出現於遞歸函數中。指數階增長非常迅速，在窮舉法（暴力搜索、回溯等）中比較常見。對於數據規模較大的問題，指數階是不 可接受的，通常需要使用動態規劃或貪心算法等來解決。***
***對數階反映了“每輪縮減到一半”的情況。設輸入數據大小爲 𝑛 ，由於每輪縮減到一半，因 此循環次數是 log2 𝑛 ，即 2 𝑛 的反函數。對數階也常出現於遞歸函數中，對數階常出現於基於分治策略的算法中，體現了“一分爲多”和“化繁爲簡”的算法思想。它增長緩慢，是 僅次於常數階的理想的時間複雜度。 ***
***主流排序算法的時間複雜度通常爲 𝑂(𝑛 log 𝑛) ，例如快速排序、歸併排序、堆排序等。***
***階乘階對應數學上的“全排列”問題。給定 𝑛 個互不重複的元素，求其所有可能的排列方案。階乘通常使用遞歸實現。***
算法的時間效率往往不是固定的，而是與輸入數據的分佈有關。
“最差時間複雜度”對應函數漸近上界，使用大 𝑂 記號表示。相應地，“最佳時間複雜度”對應函數漸近下界， 用 Ω 記號表示。平均時間複雜度可以體現算法在隨機輸入數據下的 運行效率，用 Θ 記號來表示。