需要注意的是，时间复杂度只是一种衡量算法执行效率的指标，不同场景下可能存在最优解。同时，算法的时间复杂度可能会受到输入数据规模和实现方式的影响。在实际应用中，根据具体问题和数据规模选择合适的算法是很重要的。
-
排序算法：
- 冒泡排序（Bubble Sort）：O(n^2)
- 选择排序（Selection Sort）：O(n^2)
- 插入排序（Insertion Sort）：O(n^2)
- 希尔排序（Shell Sort）：O(n log n) ~ O(n^2)
- 归并排序（Merge Sort）：O(n log n)
- 快速排序（Quick Sort）：O(n log n) ~ O(n^2)
- 堆排序（Heap Sort）：O(n log n)
-
查找算法：
- 顺序查找（Sequential Search）：O(n)
- 二分查找（Binary Search）：O(log n)
-
图算法：
- 深度优先搜索（DFS）：O(V + E)
- 广度优先搜索（BFS）：O(V + E)
-
动态规划算法：
- 斐波那契数列：O(n)
- 最长公共子序列（LCS）：O(m * n)
- 背包问题（0-1 背包）：O(n * W)
-
贪心算法：
- 找零问题：O(n)
-
哈希算法：
- 哈希查找：O(1) - 平均情况，O(n) - 最坏情况
-
字符串匹配算法：
- 暴力匹配：O(m * n)
- KMP 算法：O(m + n)