常见的时间复杂度有以下几种：

  1. 常数时间复杂度(O(1)): 不论输入规模的大小，算法都需要相同的时间来完成。例如，访问数组中的某个元素，或是执行一个固定次数的操作。

  2. 线性时间复杂度(O(n)): 算法的运行时间与输入规模成线性关系。例如，遍历一个数组，对其中的每个元素进行处理，或是在一个无序数组中搜索一个特定的元素。

  3. 对数时间复杂度(O(log n)): 算法的运行时间与输入规模的对数成正比关系。例如，二分查找算法。

  4. 平方时间复杂度(O(n^2)): 算法的运行时间与输入规模的平方成正比关系。例如，嵌套循环遍历一个二维数组。

  5. 指数时间复杂度(O(2^n)): 算法的运行时间与输入规模的指数成正比关系。例如，对一个集合中的所有子集进行枚举。

  6. 对于大规模问题，常见的时间复杂度还有O(n log n)、O(n^3)等等。

  需要注意的是，时间复杂度只是对算法运行时间的一种估算，具体的运行时间还受到计算机硬件、编程语言等因素的影响。因此，在进行算法分析时，我们通常关注的是算法运行时间的数量级，即大O表示法下的时间复杂度。