7 ключевых сложностей времени исполнения:
(описание к предыдущему посту)

1. O(1) — Постоянная сложность
- Время выполнения не зависит от размера входных данных.
- Пример: Доступ к элементу массива по индексу.

2. O(log n) — Логарифмическая сложность
- Время выполнения увеличивается медленно с ростом размера входных данных. Обычно встречается в алгоритмах, делающих проблему вдвое меньше на каждом шаге.
- Пример: Бинарный поиск в отсортированном массиве.

3. O(n) — Линейная сложность
- Время выполнения растёт линейно вместе с размером входных данных.
- Пример: Поиск элемента в массиве путём последовательного перебора всех элементов.

4. O(n log n) — Линеаризованно-логарифмическая сложность
- Время выполнения возрастает чуть быстрее, чем линейно. Включает выполнение логарифмического числа операций для каждого элемента входных данных.
- Пример: Алгоритмы сортировки, такие как быстрая сортировка (quicksort) или сортировка слиянием (mergesort).

5. O(n²) — Квадратичная сложность
- Время выполнения пропорционально квадрату размера входных данных.
- Пример: Алгоритм пузырьковой сортировки, который сравнивает и потенциально меняет местами каждую пару элементов.

6. O(2ⁿ) — Экспоненциальная сложность
- Время выполнения удваивается с каждым добавлением нового элемента к входным данным. Такие алгоритмы становятся непрактичными для больших размеров входных данных.
- Пример: Генерация всех подмножеств множества.

7. O(n! ) — Факториальная сложность
- Время выполнения пропорционально факториалу размера входных данных.
- Пример: Генерация всех перестановок множества.