用邻接表存储时间复杂度

① 在用邻接表表示图时，拓扑排序算法时间复杂度为多少

O（n + e）。
对于一个具有n个顶点e条弧的有向图来说，刚开始将入度为0的顶点入栈的时间复杂为O(n)，在之后顶点出栈时，入度减1的操作共执行了e次，所以整个算法的时间复杂度为O(n + e)。

② 你好，请问用邻接表存储无向图，进行深度优先搜索的时间复杂度为什么

设有n个点，e条边
邻接矩阵：矩阵包含n^2个元素，在算法中，共n个顶点，对每个顶点都要遍历n次，所以时间复杂度为O(n^2)
邻接表：包含n个头结点和e个表结点，算法中对所有结点都要遍历一次，所以时间复杂度为
O（n+e）
顺便，对于广度优先算法的时间复杂度，也是这样

③ 在图采用邻接表存储时prim算法的时间复杂度

邻接表储存时,是B.邻接矩阵储存就是C了.

④ 图的邻接表的时间复杂度问题

其实是O(n + e)，顶点加上边数
那个O(n*e)的意思是每次插入一条边，都需要重新查找边所包含两个顶点信息对应的下标，正常的算法没这么弱智吧，不需要顶点信息即为顶点的下标，用散列等方法可以不用这样的
用邻接矩阵构造图时，若存储的是一个无向图，则时间复杂度为O(n^2 + n*e)，其中，对邻接矩阵的初始化耗费的时间为O(n^2);
对于DFS,BFS遍历来说，时间复杂度和存储结构有关：
n表示有n个顶点，e表示有e条边。
1.若采用邻接矩阵存储，
时间复杂度为O(n^2);
2.若采用邻接链表存储，建立邻接表或逆邻接表时，

若输入的顶点信息即为顶点的编号，则时间复杂度为O(n+e);
若输入的顶点信息不是顶点的编号，需要通过查找才能得到顶点在图中的位置，则时间复杂度为O(n*e);

⑤ 采用邻接表存储，拓扑排序算法的时间复杂度为多少

要看使用什么样的拓扑排序，最好的方法是输出DFS的逆序，这样的算法复杂度是O(V+L),V是顶点个数，L是边个数。

⑥ 采用邻接表存储，Prim算法的时间复杂度是多少

设连同网中有n个定点，第一个进行初始化循环语句需要执行n-1次，第二个循环共执行n-1次，内嵌两个循环，其一是在长度为n的数组中求最小值，需要执行n-1次，其二是条用辅助数组，需要执行n-1次。所以Prim算法的复杂度是n*n

⑦ n个顶点e条边的图G用邻接表存储，则求每个顶点入度的时间复杂度为查了好几个地方的答案，答案大部分

O(n+e)是对的，O(n*n)是用邻接矩阵存储时的时间复杂度。
算法就是遍历每一条边，然后把每条边的终点的入度+1.
在邻接表中，就是要依次访问每个顶点，然后在每个顶点中依次访问每条边，把这些边的终点的入度+1。也就是每个顶点和每条边依次要各访问一遍，所以时间复杂度是O(n+e)。
在邻接矩阵中，算法需要遍历邻接矩阵的每一个点，而邻接矩阵有n*n个点，所以时间复杂度是O(n*n)。
有什么不懂的可以追问。

⑧ 设图 G 采用邻接表存储，则拓扑排序算法的时间复杂度为（）

如果是邻接表存储，拓扑排序算法的时间复杂度应该是O(n + e)，n是顶点个数，e是弧的数量

⑨ 在用邻接表表示图时,对图进行深度优先搜索遍历的算法的时间复杂度为()

因为当相邻矩阵的大部分被破坏时，矩阵中的所有元素都需要扫并追踪到，且元素个数为n＾2，自然算法为O（n＾2）。

所以邻接表只存储边或弧，如果扫描邻接表，当然会得到O（n＋e）其中n是顶点的数量，e的边或弧的数量。

设有n个点，e条边

邻接矩阵：矩阵包含n＾2个元素，在算法中共n个顶点，对每个顶点都要遍历n次，所以时间复杂度为O（n＾2）。

邻接表：包含n个头结点和e个表结点，算法中对所有结点都要遍历一次，所以时间复杂度为O（n+e）顺便，对于广度优先算法的时间复杂度，也是这样。

(9)用邻接表存储时间复杂度扩展阅读：

邻接表是图的最重要的存储结构之一，描述了图上的每个点。创建一个容器对于每一个图的顶点（n顶点n容器）和节点在第i个容器包含所有相邻顶点的顶点Vi。事实上，我们经常使用的邻接矩阵是一个邻接表的边集不离散化每一个点。

在有向图中，描述每个点与另一个节点连接的边(在a点->点B)。

在无向图中，描述每个点上的所有边（A点和B点的情况）

邻接表对应的图存储方法称为边集表。此方法将所有边存储在容器中。