时间复杂度比较及时间复杂度对应函数，函数图像算法

时间复杂度是衡量算法执行效率的指标，它表示算法执行所需的时间与输入规模之间的关系。常见的时间复杂度比较及对应函数如下：

1. 常数时间复杂度（O(1)）：无论输入规模大小，算法的执行时间都保持不变。例如，访问数组中的某个元素。

2. 对数时间复杂度（O(log n)）：随着输入规模的增加，算法的执行时间呈对数级增长。例如，二分查找算法。

3. 线性时间复杂度（O(n)）：算法的执行时间与输入规模成线性关系。例如，遍历一个数组。

4. 线性对数时间复杂度（O(n log n)）：随着输入规模的增加，算法的执行时间呈线性对数级增长。例如，快速排序、归并排序等。

5. 平方时间复杂度（O(n^2)）：算法的执行时间与输入规模的平方成正比。例如，冒泡排序、插入排序等。

6. 指数时间复杂度（O(2^n)）：算法的执行时间随着输入规模的增加呈指数级增长。例如，穷举法解决旅行商问题。

函数图像算法是指通过函数图像来解决问题的算法。这类算法通常涉及对函数图像的分析、优化或者利用函数图像的特性进行计算。例如，利用函数图像的凸性来进行最优化问题的求解。