确定基本操作：
找出算法中执行次数最多的基本语句，这通常是最内层循环中的语句。
计算执行次数：
计算基本语句的执行次数，这通常是问题规模 `n` 的某个函数 `f（n）`。
忽略常数系数：
在 `f（n）` 中，只保留最高次幂的项，忽略所有低次幂和最高次幂的系数。
使用大O表示法：
将 `f（n）` 的最高次幂放入大O记号 `O（f（n））` 中，表示算法的渐进时间复杂度。
例如，考虑以下简单的算法：
for （int i = 1； i <= n； i++） {for （int j = 1； j <= n； j++） {sum += i + j；}}
在这个算法中，最内层的循环执行了 `n` 次，而外层循环也执行了 `n` 次，所以基本语句 `sum += i + j；` 执行了 `n * n` 次。因此，该算法的时间复杂度是 `O（n^2）`。
需要注意的是，时间复杂度分析关注的是算法执行时间随输入规模 `n` 增长的趋势，而不是具体的执行时间。它帮助我们理解算法在处理大规模数据时的效率，并指导我们选择合适的算法