请编写复杂度为O(n 2 )、O(nlogn)、O(n)的任意程序，在不同问题规模下，记录运行时间，注明单位秒s或毫秒ms，对于运行时间过长的，给出预估时间。 鼓励使用不同语言（C/C++/Java/Python等）做比较。注意：编译时请不要用代码优化参数。

这是一个示例，我们将分别编写三个简单的算法，每个对应给定的时间复杂度：

1. O(n^2) 级别的冒泡排序算法（Python）：

import time

def bubble_sort(lst):
    n = len(lst)
    for i in range(n):
        for j in range(0, n-i-1):
            if lst[j] > lst[j+1]:
                lst[j], lst[j+1] = lst[j+1], lst[j]
    return lst

# 测试数据
test_list = [5, 3, 8, 6, 7, 1]

start_time = time.time()
sorted_list = bubble_sort(test_list.copy())
end_time = time.time()

print(f"Bubble Sort (n^2): {end_time - start_time} seconds")

这个算法在大数组上运行效率低，比如10000个元素，可能需要几秒钟。

2. O(n log n) 级别的快速排序算法（Java）：

import java.util.Arrays;
import java.util.Random;

public class QuickSort {
    public static void quickSort(int[] arr) {
        if (arr.length <= 1) return;
        int pivotIndex = partition(arr, 0, arr.length - 1);
        quickSort(arr, 0, pivotIndex - 1);
        quickSort(arr, pivotIndex + 1, arr.length - 1);
    }

    private static int partition(int[] arr, int low, int high) {
        // ...
    }

    public static void main(String[] args) {
        int[] testArray = new Random().ints(10000).toArray();
        long startTime = System.nanoTime();
        quickSort(Arrays.copyOf(testArray, testArray.length));
        long endTime = System.nanoTime();

        double elapsedSeconds = (endTime - startTime) / 1_000_000_000.0; // convert nanoseconds to seconds
        System.out.printf("Quick Sort (n log n): %.3f seconds\n", elapsedSeconds);
    }
}

这个算法对于同样大小的数据，预计在几毫秒内完成。

3. O(n) 级别的查找算法（C++）：

#include <iostream>
#include <vector>

int linear_search(std::vector<int>& nums, int target) {
    for (size_t i = 0; i < nums.size(); ++i) {
        if (nums[i] == target) return i;
    }
    return -1;
}

int main() {
    std::vector<int> testVector{1, 2, 3, 4, 5};
    int target = 3;

    auto start_time = std::chrono::high_resolution_clock::now();
    int result = linear_search(testVector, target);
    auto end_time = std::chrono::high_resolution_clock::now();

    auto duration = std::chrono::duration_cast<std::chrono::microseconds>(end_time - start_time).count();
    float elapsedMicroseconds = static_cast<float>(duration) / 1000.0f; // convert microseconds to milliseconds

    std::cout << "Linear Search (n): " << elapsedMicroseconds << " milliseconds\n";
}

线性搜索在小到中等规模数据上应该几乎瞬间完成，例如几千个元素。

请注意，实际运行时间可能会因为计算机性能、操作系统调度等因素有所不同。在大型生产环境中，为了准确测量运行时间，通常会使用专门的性能分析工具。