时间复杂度从小到大排序

以下是一些常见的时间复杂度从小到大的排序：

1. O(1)：常数时间复杂度。无论输入规模的大小，算法的执行时间都是恒定的。

2. O(log n)：对数时间复杂度。例如，二分查找算法的时间复杂度就是O(log n)。

3. O(sqrt(n))：平方根时间复杂度。一些算法，如试除法判断一个数是否为素数，其时间复杂度是O(sqrt(n))。

4. O(n)：线性时间复杂度。例如，遍历一个数组的时间复杂度就是O(n)。

5. O(n log n)：线性对数时间复杂度。常见的排序算法，如快速排序和归并排序，都具有O(n log n)的时间复杂度。

6. O(n^2)：平方时间复杂度。一些简单的排序算法，如冒泡排序和插入排序，具有O(n^2)的时间复杂度。

7. O(n^3)：立方时间复杂度。一些多重循环的算法，如三重循环嵌套，具有O(n^3)的时间复杂度。

8. O(2^n)：指数时间复杂度。一些递归算法，如求解斐波那契数列的递归算法，具有O(2^n)的时间复杂度。

这只是一些常见的时间复杂度排序，实际上还有更多复杂度级别和变种。需要注意的是，时间复杂度只是对算法运行时间的一种度量方式，具体的实际执行时间还受到硬件性能、输入规模和实现细节等因素的影响。