- 노드(Node): 연결 관계를 가진 각 데이터. 정점(Vertex)이라고도 함
- 간선(Edge): 노드 간의 관계를 표시한 선.
- 인접 노드(Adjacent Node): 간선으로 직접 연결된 노드(또는 정점)
- 그래프 종류
1) 유방향 그래프(Directed Graph): 방향이 있는 간선을 가짐. 간선은 단방향 관계를 나타내며,
각 간선은 한 방향으로만 진행할 수 있음
2) 무방향 그래프(Undirected Graph): 방향이 없는 간선을 가짐
- 컴퓨터에서 표현하는 방법
1) 인접 행렬(Adjacency Matrix): 2차원 배열로 그래프의 연결 관계를 표현
2) 인접 리스트(Adjacnecy List): 링크드 리스트로 그래프의 연결 관계를 표현
2 - 3
⎜
0 - 1
1. 이를 인접 행렬, 2차원 배열로 나타내면 다음과 같습니다!
0 1 2 3
0 X O X X
1 O X O X
2 X O X O
3 X X O X
이걸 배열로 표현하면 다음과 같습니다!
graph = [
[False, True, False, False],
[True, False, True, False],
[False, True, False, True],
[False, False, True, False]
]
2. 이번에는 인접 리스트로 표현해보겠습니다!
인접 리스트는 모든 노드에 연결된 노드에 대한 정보를 차례대로 다음과 같이 저장합니다.
0 -> 1
1 -> 0 -> 2
2 -> 1 -> 3
3 -> 2
이를 딕셔너리로 표현하면 다음과 같습니다!
graph = {
0: [1],
1: [0, 2]
2: [1, 3]
3: [2]
}
# 두 방식의 차이 (시간 vs 공간)
인접 행렬으로 표현하면 즉각적으로 0과 1이 연결되었는지 여부를 바로 알 수 있습니다.
그러나, 모든 조합의 연결 여부를 저장해야 되기 때문에 O(노드^2) 만큼의 공간을 사용해야 합니다.
인접 리스트로 표현하면 즉각적으로 연결되었는지 알 수 없고, 각 리스트를 돌아봐야 합니다.
따라서 연결되었는지 여부를 알기 위해서 최대 O(간선) 만큼의 시간을 사용해야 합니다.
대신 모든 조합의 연결 여부를 저장할 필요가 없으니 O(노드 + 간선) 만큼의 공간을 사용하면 됩니다.
1. 루트 노드부터 시작
2. 현재 방문한 노드를 visited에 추가
3. 현재 방문한 노드와 인접한 노드 중 방문하지 않은 노드에 방문
4. 2부터 반복(재귀)
Q. 인접 리스트가 주어질 때, 모든 노드를 DFS 순서대로 방문하시오.
graph = {
1: [2, 5, 9], # 1
2: [1, 3], # 2 5 9
3: [2, 4], # 3 6 8 10
4: [3], # 4 7
5: [1, 6, 8],
6: [5, 7],
7: [6],
8: [5],
9: [1, 10],
10: [9]
}
visited = []
# 1. 루트 노드인 1부터 탐색
# 2. 현재 방문 노드를 visited_array에 추가
# 3. 현재 방문 노드와 인접 노드 중 방문하지 않은 노드에 방문
def dfs_recursion(adjacent_graph, cur_node, visited_array):
visited_array.append(cur_node)
for adjacent_node in adjacent_graph[cur_node]:
if adjacent_node not in visited_array:
dfs_recursion(adjacent_graph, adjacent_node, visited_array)
return
dfs_recursion(graph, 1, visited) # 1 이 시작노드입니다!
print(visited) # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 이 출력되어야 합니다!
재귀함수를 통해서는 무한정 깊어지는 노드가 있는 경우 에러가 생길 수 있음!
재귀 대신 스택을 이용하여 문제풀기(순서는 달라질 수 있음)
1. 루트 노드를 스택에 넣기
2. 현재 스택의 노드를 빼서 visited 에 추가한
3. 현재 방문한 노드와 인접한 노드 중 방문하지 않은 노드를 스택에 추가
4. 2부터 반복
5. 스택이 비면 탐색을 종료
def dfs_stack(adjacent_graph, start_node):
stack = [start_node] # 1
visited = []
while stack:
cur_node = stack.pop() # 1 -> stack = [] # 9
visited.append(cur_node) # 1 -> visited = [1]
for adjacent_node in adjacent_graph[cur_node]: # 2, 5, 9 # 10
if adjacent_node not in visited:
stack.append(adjacent_node) # -> stack = [2, 5, 9] # [2, 5, 10]
return visited
print(dfs_stack(graph, 1)) # 1 이 시작노드
# [1, 9, 10, 5, 8, 6, 7, 2, 3, 4]
BFS 는 현재 인접한 노드 먼저 방문해야 함
이걸 다시 말하면 인접한 노드 중 방문하지 않은 모든 노드들을 저장해두고,
가장 처음에 넣은 노드를 꺼내서 탐색하면 됨
가장 처음에 넣은 노드들..? → 큐를 이용하면 BFS 를 구현!
1. 루트 노드를 큐에 넣음
2. 현재 큐의 노드를 빼서 visited 에 추가
3. 현재 방문한 노드와 인접한 노드 중 방문하지 않은 노드를 큐에 추가
4. 2부터 반복
5. 큐가 비면 탐색을 종료
graph = {
1: [2, 3, 4], # 1
2: [1, 5], # 2 3 4
3: [1, 6, 7], # 5 6 7 8
4: [1, 8], # 9 10
5: [2, 9],
6: [3, 10],
7: [3],
8: [4],
9: [5],
10: [6]
}
def bfs_queue(adj_graph, start_node):
queue = [start_node] # 1
visited = []
while queue: # 앞에서 뽑아오겠다
cur_node = queue.pop(0) # 1, queue = [] 2
visited.append(cur_node) # visited = [1] [1, 2]
for adj_node in adj_graph[cur_node]: # 2, 3, 4 1, 5
if adj_node not in visited:
queue.append(adj_node) # [2, 3, 4] [3, 4, 5]
return visited
print(bfs_queue(graph, 1)) # 1 이 시작노드
# [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]