图的深度优先遍历和图的广度优先遍历算法的时间复杂度

图的深度优先遍历和广度优先遍历算法的时间复杂度分别为O(n+e)和O(n+e)，其中n为图中节点的个数，e为图中边的个数。深度优先遍历算法使用递归的方法，时间复杂度为O(n²)，而广度优先遍历算法使用标记数组的方法，时间复杂度为O(n+e)。综合对比两个遍历算法，各有优点，而且遍历所得的结果不同，在实际使用的时候要考虑问题的实现方法来综合考量两种算法。

以下是两种Python实现图的遍历算法的例子：

1. 图的深度优先遍历算法

# 定义一个函数来实现深度优先遍历
def dfs(graph, start):
    visited, stack = set(), [start]
    while stack:
        vertex = stack.pop()
        if vertex not in visited:
            visited.add(vertex)
            stack.extend(graph[vertex] - visited)
    return visited

# 定义一个图
graph = {'A': set(['B', 'C']),
         'B': set(['A', 'D', 'E']),
         'C': set(['A', 'F']),
         'D': set(['B']),
         'E': set(['B', 'F']),
         'F': set(['C', 'E'])}

# 输出深度优先遍历的结果
print(dfs(graph, 'A')) # 输出：{'E', 'D', 'F', 'A', 'C', 'B'}

2. 图的广度优先遍历算法

# 定义一个函数来实现广度优先遍历
def bfs(graph, start):
    visited, queue = set(), [start]
    while queue:
        vertex = queue.pop(0)
        if vertex not in visited:
            visited.add(vertex)
            queue.extend(graph[vertex] - visited)
    return visited

# 定义一个图
graph = {'A': set(['B', 'C']),
         'B': set(['A', 'D', 'E']),
         'C': set(['A', 'F']),
         'D': set(['B']),
         'E': set(['B', 'F']),
         'F': set(['C', 'E'])}

# 输出广度优先遍历的结果
print(bfs(graph, 'A')) # 输出：{'B', 'C', 'A', 'F', 'D', 'E'}