我有一个无向图G,大约有5000个节点。任何一对节点都可以通过边连接。边的长度、方向或其他要素无关紧要,两点之间最多只能有一个边,因此节点之间的关系是二进制的。因此,总潜在边缘12497500。
每个节点都由字符串名称标识,而不是数字。
我想存储这样的图形(作为输入数据加载到我的程序中),但我不确定哪种数据结构最好。
- 我需要多次查找给定的一对节点是否连接,因此查找性能可能是主要关注点。
- 添加和删除元素的性能成本不是问题。
- 如果可能的话,我还想保持语法简单优雅,以减少引入错误的可能性并使调试更容易。
两种可能性:
-
bool[numNodes, numNodes]
和Dictionary<string, int>
,用于将每个节点名称与索引匹配。优点:简单,快速的查找。缺点:不能轻易删除或添加节点(必须添加/删除行/列),冗余(必须小心g[n1, n2]
与g[n2, n1]
),笨拙的语法,因为我每次都必须通过HashMap。 -
HashSet<HashSet<string>>
.优点:直观,节点直接由字符串标识,易于"添加/删除节点",因为只存储边缘并且节点本身是隐式的。缺点:可以输入垃圾输入("连接"三个节点的边,因为集合有三个成员)。
关于第二种选择,我也不清楚一些事情:
- 它会比
bool
数组占用更多的内存吗? - 两个 .NET 集是否等同于数学集,即当且仅当它们具有完全相同的成员(而不是通过元素的容量或顺序等进行区分)以
HashSet
成员身份而言,它们是相等的?(即查询outerSets.Contains(new HashSet<string>{"node1", "node2"})
实际上会起作用吗? - 查找会比
bool
数组花费更长的时间吗?
我很好奇在生成表示哈希表中边缘的键时使用字符串连接与元组,以便接近 O(1) 查找性能。 这里有两种处理无向边缘要求的可能性:
-
规范化密钥,以便无论在边缘描述中首先指定哪个节点,它都是相同的。 在我的测试中,我只是选择将序数比较值最低的节点作为键中的第一个组件。
-
在哈希表中创建两个条目,边的每个方向一个。
这里的一个关键假设是字符串节点标识符不是很长,因此键规范化相对于查找来说是廉价的。
具有键规范化的字符串串联和元组版本似乎工作原理大致相同:在发布模式下的 VirtualBox VM 中,在大约 3 秒内完成了大约 200 万次随机查找。
为了查看键规范化是否淹没了查找操作的效果,第三个实现不执行键归一化,而是保持相对于边缘的两个可能方向的对称条目。 这似乎在查找中慢了大约 30-40%,这有点出乎意料(对我来说)。 也许底层哈希表桶的平均占用率更高,因为元素数量是其两倍,每个哈希桶中需要更长的线性搜索(平均)?
interface IEdgeCollection
{
bool AddEdge(string node1, string node2);
bool ContainsEdge(string node1, string node2);
bool RemoveEdge(string node1, string node2);
}
class EdgeSet1 : IEdgeCollection
{
private HashSet<string> _edges = new HashSet<string>();
private static string MakeEdgeKey(string node1, string node2)
{
return StringComparer.Ordinal.Compare(node1, node2) < 0 ? node1 + node2 : node2 + node1;
}
public bool AddEdge(string node1, string node2)
{
var key = MakeEdgeKey(node1, node2);
return _edges.Add(key);
}
public bool ContainsEdge(string node1, string node2)
{
var key = MakeEdgeKey(node1, node2);
return _edges.Contains(key);
}
public bool RemoveEdge(string node1, string node2)
{
var key = MakeEdgeKey(node1, node2);
return _edges.Remove(key);
}
}
class EdgeSet2 : IEdgeCollection
{
private HashSet<Tuple<string, string>> _edges = new HashSet<Tuple<string, string>>();
private static Tuple<string, string> MakeEdgeKey(string node1, string node2)
{
return StringComparer.Ordinal.Compare(node1, node2) < 0
? new Tuple<string, string>(node1, node2)
: new Tuple<string, string>(node2, node1);
}
public bool AddEdge(string node1, string node2)
{
var key = MakeEdgeKey(node1, node2);
return _edges.Add(key);
}
public bool ContainsEdge(string node1, string node2)
{
var key = MakeEdgeKey(node1, node2);
return _edges.Contains(key);
}
public bool RemoveEdge(string node1, string node2)
{
var key = MakeEdgeKey(node1, node2);
return _edges.Remove(key);
}
}
class EdgeSet3 : IEdgeCollection
{
private HashSet<Tuple<string, string>> _edges = new HashSet<Tuple<string, string>>();
private static Tuple<string, string> MakeEdgeKey(string node1, string node2)
{
return new Tuple<string, string>(node1, node2);
}
public bool AddEdge(string node1, string node2)
{
var key1 = MakeEdgeKey(node1, node2);
var key2 = MakeEdgeKey(node2, node1);
return _edges.Add(key1) && _edges.Add(key2);
}
public bool ContainsEdge(string node1, string node2)
{
var key = MakeEdgeKey(node1, node2);
return _edges.Contains(key);
}
public bool RemoveEdge(string node1, string node2)
{
var key1 = MakeEdgeKey(node1, node2);
var key2 = MakeEdgeKey(node2, node1);
return _edges.Remove(key1) && _edges.Remove(key2);
}
}
class Program
{
static void Test(string[] nodes, IEdgeCollection edges, int edgeCount)
{
// use edgeCount as seed to rng to ensure test reproducibility
var rng = new Random(edgeCount);
// store known edges in a separate data structure for validation
var edgeList = new List<Tuple<string, string>>();
Stopwatch stopwatch = new Stopwatch();
// randomly generated edges
stopwatch.Start();
for (int i = 0; i < edgeCount; i++)
{
string node1 = nodes[rng.Next(nodes.Length)];
string node2 = nodes[rng.Next(nodes.Length)];
edges.AddEdge(node1, node2);
edgeList.Add(new Tuple<string, string>(node1, node2));
}
var addElapsed = stopwatch.Elapsed;
// non random lookups
int nonRandomFound = 0;
stopwatch.Start();
foreach (var edge in edgeList)
{
if (edges.ContainsEdge(edge.Item1, edge.Item2))
nonRandomFound++;
}
var nonRandomLookupElapsed = stopwatch.Elapsed;
if (nonRandomFound != edgeList.Count)
{
Console.WriteLine("The edge collection {0} is not working right!", edges.GetType().FullName);
return;
}
// random lookups
int randomFound = 0;
stopwatch.Start();
for (int i = 0; i < edgeCount; i++)
{
string node1 = nodes[rng.Next(nodes.Length)];
string node2 = nodes[rng.Next(nodes.Length)];
if (edges.ContainsEdge(node1, node2))
randomFound++;
}
var randomLookupElapsed = stopwatch.Elapsed;
// remove all
stopwatch.Start();
foreach (var edge in edgeList)
{
edges.RemoveEdge(edge.Item1, edge.Item2);
}
var removeElapsed = stopwatch.Elapsed;
Console.WriteLine("Test: {0} with {1} edges: {2}s addition, {3}s non-random lookup, {4}s random lookup, {5}s removal",
edges.GetType().FullName,
edgeCount,
addElapsed.TotalSeconds,
nonRandomLookupElapsed.TotalSeconds,
randomLookupElapsed.TotalSeconds,
removeElapsed.TotalSeconds);
}
static void Main(string[] args)
{
var rng = new Random();
var nodes = new string[5000];
for (int i = 0; i < nodes.Length; i++)
{
StringBuilder name = new StringBuilder();
int length = rng.Next(7, 15);
for (int j = 0; j < length; j++)
{
name.Append((char) rng.Next(32, 127));
}
nodes[i] = name.ToString();
}
IEdgeCollection edges1 = new EdgeSet1();
IEdgeCollection edges2 = new EdgeSet2();
IEdgeCollection edges3 = new EdgeSet3();
Test(nodes, edges1, 2000000);
Test(nodes, edges2, 2000000);
Test(nodes, edges3, 2000000);
Console.ReadLine();
}
}
C5 集合库有一些关于图形的有用内容
http://www.itu.dk/research/c5/
这个问题,完整无向图的最有效实现,看起来也很有用。
SortedDictionary 在引擎盖下,一棵高度平衡的红黑树,所以查找是 O(log n)。