一个算法的时间复杂度为（2n3+3n+7）/n，其数量级表示为O（n）。
时间复杂度简介：
同一问题可用不同算法解决，而一个算法的质量优劣将影响到算法乃至程序的效率。算法分析的目的在于选择合适算法和改进算法。计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。这是一个关于代表算法输入值的字符串的长度的函数。
时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是渐近的，它考察当输入值大小趋近无穷时的情况。
算法复杂度：
算法复杂度分为时间复杂度和空间复杂度。其作用是时间复杂度是指执行算法所需要的计算工作量;而空间复杂度是指执行这个算法所需要的内存空间。算法的复杂性体现在运行该算法时的计算机所需资源的多少上。
计算机资源最重要的是时间和空间（即寄存器）资源，因此复杂度分为时间和空间复杂度。
时间复杂度的分类及应用：
1、分类：
按数量级递增排列，常见的时间复杂度有常数阶O（1），对数阶O（log2n），线性阶O（n），线性对数阶O（nlog2n），平方阶O（n^2），立方阶O（n^3），k次方阶O（n^k），指数阶O（2^n）。随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。
一个算法所耗费的时间=算法中每条语句的执行时间之和每条语。句的执行时间=语句的执行次数（即频度（Frequency Count））×语句执行一次所需时间。
2、应用：
一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。
并且一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。