常见的算法时间复杂度由小到大依次为：
Ο(1)＜ Ο(log2n)＜ Ο(n)＜ Ο(nlog2n)＜ Ο(n2)＜ Ο(n3)＜…＜ Ο(2n)＜ Ο(n!)算法的时间复杂度反映了程序执行时间随输入规模增长而增长的量级，在很大程度上能很好反映出算法的优劣与否
常见的时间复杂度有：
常数阶 O(1),对数阶 O(log2n),线性阶 O(n), 线性对数阶 O(nlog2n),平方阶 O(n2),立方阶 O(n3),k 次方阶 O(nk),指数阶 O(2n)
随着问题规模 n 的不断增大，上述时间复杂度不断增大，算法的执行效率越低。
大 O(n)表示法 让你能够比较操作数，它指出了算法运行时间的增速。
贪心、分治、回溯、动态规划