【发布时间】:2020-10-17 23:48:59
【问题描述】:
我听说大多数图形算法(但不是全部)都使用邻接表。我只是想知道哪些算法更喜欢邻接矩阵,为什么?
到目前为止,我发现 Floyd Warshall 使用邻接矩阵。
【问题讨论】:
标签: data-structures graph adjacency-matrix adjacency-list
我听说大多数图形算法(但不是全部)都使用邻接表。我只是想知道哪些算法更喜欢邻接矩阵,为什么?
到目前为止,我发现 Floyd Warshall 使用邻接矩阵。
【问题讨论】:
标签: data-structures graph adjacency-matrix adjacency-list
在每个节点执行的关键操作是“迭代与该节点相邻的所有节点”的算法中,邻接列表通常比邻接矩阵更快。对于邻接列表,这可以在 O(deg(v)) 时间内完成,其中 deg(v) 是节点 v 的度数,而在邻接矩阵中需要时间 Θ(n)。类似地,邻接列表可以快速迭代图中的所有边 - 与邻接矩阵的时间 Θ(n2) 相比,这样做需要时间 O(m + n)。
一些最常用的图算法(BFS、DFS、Dijkstra 算法、A* 搜索、Kruskal 算法、Prim 算法、Bellman-Ford、Karger 算法等)需要对所有边或边进行快速迭代事件发生在特定节点上,因此它们最适合使用邻接表。
您提到 Floyd-Warshall 使用邻接矩阵。虽然 Floyd-Warshall 确实维护了一个跟踪迄今为止看到的最短路径的内部矩阵,但它实际上并不要求原始图是邻接矩阵。动态规划工作的总成本为 Θ(n3),大于将邻接列表转换为邻接矩阵的 O(n2) 成本或反之亦然。
只有少数地方邻接矩阵比邻接列表更快。邻接矩阵需要时间 O(1) 来测试图中是否存在特定边,这比邻接列表上相应操作的 O(deg(v)) 成本要快。由于将邻接列表转换为邻接矩阵的成本为 Θ(n2),因此邻接矩阵的性能优于邻接列表的唯一情况是(1)边的随机访问是必需的,并且 (2) 算法的总运行时间为 o(n2)。我只知道一些这样做的算法。例如,在celebrity-finding problem 中,您将获得一个图,并要求您查找是否存在一个节点,其中每个节点的传入边和没有节点的传出边。这可以使用邻接矩阵在 O(n) 时间内完成,比使用邻接列表更快。
(话虽如此,您也可以使用使用cuckoo hash tables 表示的邻接列表而不是常规列表,并匹配与上述相同的运行时边界,尽管现在创建邻接列表的成本只是预期 em> 是快速而不是实际上最坏情况下的效率。)
我发现邻接矩阵有用的主要原因是从不同的角度思考图。例如,将邻接矩阵提高到 k 次方会生成一个新矩阵,该矩阵使用恰好 k 跳来计算从一个节点到另一个节点的路径数。例如,这可以用于count and find triangles in graphs faster than the naive algorithm。类似地,用于计算图的传递闭包的Four Russians algorithm 通过将图表示为矩阵并使用一些巧妙的技术(将位块视为整数然后在查找表中使用)来胜过简单搜索。
希望这会有所帮助!
【讨论】: