O(1)、O(n)、O(n^2)

O(1)、O(n)、O(n^2)是常见的时间复杂度表示法，用于描述算法的执行时间随着输入规模增长的变化趋势。

1. O(1)（常数时间复杂度）：表示算法的执行时间是一个常量，与输入规模无关。无论输入数据多大，算法的执行时间都保持不变。例如，访问数组中指定索引的元素。

2. O(n)（线性时间复杂度）：表示算法的执行时间与输入规模成正比。当输入规模增大时，算法的执行时间也会相应增大。例如，对一个包含n个元素的数组进行遍历操作。

3. O(n^2)（平方时间复杂度）：表示算法的执行时间与输入规模的平方成正比。当输入规模增大时，算法的执行时间会呈现更快的增长。例如，对一个包含n个元素的数组进行两层嵌套循环操作。

这些是常见的时间复杂度表示法，还有其他更高阶次的复杂度如O(log n)、O(n log n)等。通过分析算法的时间复杂度，可以评估算法的执行效率和性能，并选择合适的算法来解决问题。需要注意的是，时间复杂度只是一种理论上的分析方法，实际执行的时间还受到硬件、编程语言、优化技术等因素的影响。