Grafi on joukko solmuja, jotka yhdistyvät reunoilla. Kaksi vakioesitystä ovat vierekkäisyyslista (jokainen solmu tallentaa naapureita) ja vierekkäisyysmatriisi (V×V verkko boolean-arvoja). Valinta riippuu graafin tiheydestä.
Grafi on joukko solmuja, jotka yhdistyvät reunoilla. Kaksi vakioesitystä ovat vierekkäisyyslista (jokainen solmu tallentaa naapureita) ja vierekkäisyysmatriisi (V×V verkko boolean-arvoja). Valinta riippuu graafin tiheydestä.
Graph: 0 - 1
| |
2 - 3
Adjacency list: Adjacency matrix:
0: [1, 2] 0 1 2 3
1: [0, 3] 0 [0 1 1 0]
2: [0, 3] 1 [1 0 0 1]
3: [1, 2] 2 [1 0 0 1]
3 [0 1 1 0]
# Adjacency list (dict of lists) — preferred for sparse graphs
adj = {0: [1, 2], 1: [0, 3], 2: [0, 3], 3: [1, 2]}
neighbors = adj[1] # O(1) to get a vertex's neighbors
# Adjacency matrix
matrix = [[0]*4 for _ in range(4)]
matrix[0][1] = matrix[1][0] = 1
has_edge = matrix[0][1] == 1 # O(1) edge lookup
| Vierekkäisyyslista | Vierekkäisyysmatriisi | |
|---|---|---|
| Tila | O(V + E) | O(V²) |
| Onko reuna olemassa? | O(degree) | O(1) |
| Naapureiden iterointi | O(degree) | O(V) |
| Sopii parhaiten | harvoille graafeille | tiheille graafeille |
Useimmat todellisuuden graafit (sosiaaliset verkot, tiekartat, riippuvuusgraafit) ovat harvoja, joten vierekkäisyyslistat säästävät valtavasti tilaa ja nopeuttavat läpikulkuja kuten BFS/DFS.
Kompromissin tunteminen antaa sinulle mahdollisuuden valita esitystapa, joka pitää graafialgoritmisi tehokkaina eikä käytä vahingossa O(V²) muistia.