Kruskal vs Prim dla MST — czym się różnią?

Głębiej

Rozwinięcie krótkiej odpowiedzi — co zwykle ma znaczenie w praktyce:

• Kontekst (tagi): mst, kruskal, prim, graphs, big-o
• Złożoność: porównaj typowe operacje (średnio vs najgorzej).
• Inwarianty: co musi być zawsze prawdą, żeby struktura/algorytm działał poprawnie.
• Kiedy wybór jest zły: objawy w produkcji (latencja, GC, cache misses).
• Wytłumacz "dlaczego", nie tylko "co" (intuicja + konsekwencje).
• Trade-offy: co zyskujesz i co tracisz (czas, pamięć, złożoność, ryzyko).
• Edge-case’y: puste dane, duże dane, błędne dane, współbieżność.

Przykłady

Krótki przykład (szablon do wyjaśniania):

// Example: discuss trade-offs for "kruskal-vs-prim-dla-mst-—-czym-się-różnią?"
function explain() {
  // Start from the core idea:
  // Kruskal sortuje krawędzie i dodaje najmniejsze, które nie tworzą cyklu (używa Union-Find).
}

Typowe pułapki

• Zbyt ogólna odpowiedź (brak konkretów, brak przykładów).
• Brak rozróżnienia między "średnio" a "najgorzej" (np. złożoność).
• Pomijanie ograniczeń: pamięć, współbieżność, koszty sieci/dysku.

Pytania uzupełniające na rozmowie

• Kiedy zastosował(a)byś alternatywę i dlaczego?
• Jakie są typowe problemy w produkcji i jak je diagnozować?
• Jak byś przetestował(a) edge-case’y?