仅当您不知道与哪种类型的图形合作时，您只需假设边缘数量。如果您已经知道边缘的数量，则可以为搜索提供更精确的最坏情况。这很有用，例如在比较将在同一图上运行的不同算法时，并允许您区分仅在边缘很少的图表上正常工作的算法。
我更喜欢使用|𝑉|和|𝐸|参考顶点数量和边数。但是，是的，您可以自由使用O（|𝑉|²）。 ，但是要意识到它提供的信息少于O（|𝑉|+|𝐸|）。例如： 如果您将图表中的边缘数量加倍或减半，那么知道时间复杂性会发生什么情况。使用o（|𝑉|²），您对此一无所知。 o（|𝑉|²）假设该图在相同的节点之间没有循环或多个边缘，而O（|𝑉|+|𝐸|）在这些配置中也保持正确。
𝑉和𝐸就像两个“拨号”您可以“转”以查看对复杂性的影响。您可以转动更多的“拨号”来查看对复杂性的影响，您对算法对不同类别的输入的效率的了解越多。 concy通常，如果可用的话，以多个维度表达复杂性更有趣。
举一个例子。假设我们有一种算法，该算法计算给定整数阵列中存在的质量数量，据说它具有O（𝑛log𝑛）的复杂性。如果我们还了解到此数组可以具有负值，那么在该数组中表达阵列（𝑛）中的复杂性可能很有趣。这将为复杂性提供更精确的表达，这可能是O（𝑛 +𝑝log𝑝）。