bfs是一種借用佇列來儲存的過程，分層查詢，優先考慮距離出發點近的點。無論是在鄰接表還是鄰接矩陣中儲存，都需要借助乙個輔助佇列，v個頂點均需入隊，最壞的情況下，空間複雜度為o（v）。
鄰接表形式儲存時，每個頂點均需搜尋一次，時間複雜度t1=o（v），從乙個頂點開始搜尋時，開始搜尋，訪問未被訪問過的節點。最壞的情況下，每個頂點至少訪問一次，每條邊至少訪問1次，這是因為在搜尋的過程中，若某結點向下搜尋時，其子結點都訪問過了，這時候就會回退，故時間復 雜度為o(e)，演算法總的時間復 度為o(|v|+|e|)。
鄰接矩陣儲存方式時，查詢每個頂點的鄰接點所需時間為o(v)，即該節點所在的該行該列。又有n個頂點，故算總的時間複雜度為o(|v|^2)。
dfs演算法是一乙個遞迴演算法，需要借助乙個遞迴工作棧，故它的空問複雜度為o(v）。
遍歷圖的過程實質上是對每個頂點查詢其鄰接點的過程，其耗費的時間取決於所採用結構。
鄰接表表示時，查詢所有頂點的鄰接點所需時間為o(e)，訪問頂點的鄰接點所花時間為o（v）,此時，總的時間複雜度為o(v+e)。
鄰接矩陣表示時，查詢每個頂點的鄰接點所需時間為o(v)，要查詢整個矩陣，故總的時間度為o(v^2)。
v為圖的頂點數，e為邊數。
複雜度分析 時間複雜度 空間複雜度
執行效率是演算法的乙個重要的考量指標，演算法的執行效率用時間 空間複雜度來衡量。今天我們來學習一下複雜度的分析。通常我們可以通過執行程式來獲得演算法的真正的執行時間，這種方法我們可以稱為事後統計法，但這種方法得到的是具體的資料，測試結果很依賴測試環境，而且受資料規模影像最大。因此，我們需要乙個不需要...
複雜度分析 時間複雜度分析和空間複雜度分析
其實，只要講到資料結構與演算法，就一定離不開時間 空間複雜度分析。而且我個人認為，複雜度分析是整個演算法學習的精髓，只要掌握了它，資料結構和演算法的內容基本上就掌握了一半。1.時間複雜度分析 對於剛才羅列的複雜度量級，我們可以粗略地分為兩類，多項式量級和非多項式量級。其中，非多項式量級只有兩個 o ...
複雜度分析（上）時間複雜度 空間複雜度
為了肉眼 實時 快速地來分析出 的複雜度，我們需要乙個不用具體的測試資料來測試，就可以粗略地估計演算法的執行效率的方法。時間複雜度 空間複雜度 表示演算法的執行時間與資料規模之間的增長關係。每行 對應的 cpu 執行的個數 執行的時間都不一樣，但是，我們這裡只是粗略估計，所以可以假設每行 執行的時間...