Data Structures and Algorithms (9)
Data Structure and Algorithms (9)
1. 그래프 (Graph)
그래프(Graph)란?
실제 세계 현상이나 사물을 정점(Vertex) 또는 노드(Node)와 간선(Edge)으로 표현하기 위해 사용
그래프(Graph) 관련 용어
- 노드(Node) : 위치를 말함, 정점(Vertex)라고도 함
- 간선(Edge) : 위치간의 관계를 표시한 선으로 노드를 연결한 선이라고 보면 됨 (= link, branch)
- 인접정점(Adjacent Vertex) : 간선으로 직접 연결된 정점 (또는 노드)
참고용어
- 정점의 차수 (Degree) : 무방향 그래프에서 하나의 정점에 인접한 정점의 수
- 진입 차수 (in-Degree) : 방향 그래프에서 외부에서 오는 간선의 수
- 진출 차수 (Out-Degree) : 방향 그래프에서 외부로 향하는 간선의 수
- 경로 길이 (Path Length) : 경로를 구성하기 위해 사용된 간선의 수
- 단순 경로 (Simple Path) : 처음 정점과 끝 정점을 제외하고 중보고딘 정점이 없는 경로
- 사이클 (Cycle) : 단순 경로의 시작 정점과 종료 정점이 동일한 경우
그래프 종류
1) 무방향 그래프 (Undirected Graph)
- 방향이 없는 그래프
- 간선을 통해 노드는 양방향으로 갈 수 있음
- 보통 노드 A, B가 연결되어있을 경우, (A,B) 또는 (B,A)로 표기
2) 방향 그래프 (Directed Graph)
- 간선에 방향이 있는 그래프
- 보통 노드 A,B가 A -> B로 가는 간선으로 연결되어있을 경우, <A,B> 로 표기 반대의 경우 <B,A>
3) 가중치 그래프 (Weighted Graph) 또는 네트워크 (Network)
- 간선에 비용 또는 가중치가 할당된 그래프
4) 연결 그래프 (Connected Graph)와 비연결 그래프 (Disconnected Graph)
- 연결 : 무방향 그래프에있는 모든 노드에 대해 항상 경로가 존재하는 경우
- 비연결 : 무방향 그래프에서 특정 노드에 대해 경로가 존재하지 않는 경우
5) 사이틀 (Cycle)과 비순환 그래프 (Acyclic Graph)
사이틀 : 단순 경로의 시작 노드와 종료 노드가 동일한 경우
비순환 : 사이클이 없는 그래프
6) 완전 그래프 (Complete Graph)
그래프의 모든 노드가 서로 연결되어있는 그래프
그래프와 트리의 차이
트리는 그래프에 속한 특별한 종류
ㅤ
ㅤ
ㅤ
ㅤ
ㅤ
2. BFS vs DFS
대표적인 그래프 탐색 알고리즘
- 너비 우선 탐색 (Breadth First Search) : 정점들과 같은 레벨에 있는 노드들 (형제노드)을 먼저 탐색하는 방식
- 깊이 우선 탐색 (Depth First Search) : 정점의 자식들을 먼저 탐색하는 방식
파이썬으로 그래프 표현
1) 너비 우선 탐색 (Breadth First Search)
BFS 알고리즘 구현
- visited (큐)
- need_visit (큐)
code
def bfs(graph, start_node): visited = list() need_visit = list() ㅤ need_visit.append(start_node) ㅤ while need_visit: node = need_visit.pop(0) if node not in visited: visited.append(node) need_visit.extend(graph[node]) // 데이터를 붙일 수 있음 ㅤ return visited ------------------------------------------------ bfs(graph, 'A')
시간 복잡도
일반적인 BFS 시간 복잡도
노드 수 : V
간선 수 : E
위 코드에서 while need_visit은 V+E번만큼 수행
시간 복잡도 : O (V+E)
2) 깊이 우선 탐색 (Depth First Search)
DFS 알고리즘 구현
- visited (큐)
- need_visit (스택)
code
def dfs(graph, start_node): visited = list() need_visit = list() ㅤ need_visit.append(start_node) ㅤ while need_visit: node = need_visit.pop() if node not in visited: visited.append(node) need_visit.extend(graph[node]) // 데이터를 붙일 수 있음 ㅤ return visited ------------------------------------------------ dfs(graph, 'A')
시간 복잡도
일반적인 DFS 시간 복잡도
노드 수 : V
간선 수 : E
위 코드에서 while need_visit은 V+E번만큼 수행
시간 복잡도 : O (V+E)
pop(0) = 큐처럼
pop() = 스택처럼
본 게시글은 fastcampus 이준희강사 수업을 듣고 개인적으로 정리한 내용임을 밝힘.
Author And Source
이 문제에 관하여(Data Structures and Algorithms (9)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://velog.io/@anthony16/Data-Structure-and-Algorithms-9저자 귀속: 원작자 정보가 원작자 URL에 포함되어 있으며 저작권은 원작자 소유입니다.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)