对于这部分，要牢记一句话：将算法中基本操作的执行次数作为算法时间复杂度的度量。这里所讨论的时间复杂度不是执行完一段程序的总时间，而是其中基本操作的总次数。因此，对一个算法进行时间复杂度分析的要点，无非是明确算法中哪些操作是基本操作，然后计算出基本操作重复执行的次数即可。在考试的算法题目中你总能找到一个n，可以称为问题的规模，如要处理的数组元素的个数为n，而基本操作所执行的次数是n的一个函数f（n）（这里的函数是数学中函数的概念，不是C或C++语言中函数的概念）。对于求其基本操作执行的次数，就是求函数f（n）。求出以后就可以取出f（n）中随n增大而增长最快的项，然后将其系数变为1，作为时间复杂度的度量，记为T（n）=O（f（n）中增长最快的项/此项的系数）。例如，f（n）=2n³+4n²+100，则其时间复杂度为T（n）=O（2n³/2）=O（n³）。实际上计算算法的时间复杂度就是给出相应的数量级，当f（n）与n无关时，时间复杂度T（n）=O（1）；当f（n）与n是线性关系时，T（n）=O（n）；当f（n）与n是二次方关系时，T（n）=O（n²）；以此类推。

说明：考研中常常要比较各种时间复杂度的大小，常用的时间复杂度比较关系为

O（1）≤O（log₂（n））≤O（n）≤O（nlog₂（n））≤O（n²）≤O（n³）≤…≤O（n^k）≤O（2ⁿ）

通过以上分析，总结出计算一个算法时间复杂度的具体步骤如下：(www.daowen.com)

1）确定算法中的基本操作以及问题的规模。

2）根据基本操作执行情况计算出规模n的函数f（n），并确定时间复杂度为T（n）=O（f（n）中增长最快的项/此项的系数）。

注意：有的算法中基本操作的执行次数不仅跟初始输入的数据规模有关，还和数据本身有关。例如，一些排序算法，同样有n个待处理数据，但数据初始有序性不同，则基本操作的执行次数也不同。一般依照使得基本操作执行次数最多的输入来计算时间复杂度，即将最坏的情况作为算法时间复杂度的度量。