Listę sąsiedztwa wybierasz dla grafów rzadkich, bo ma pamięć O(V + E) i szybko iteruje sąsiadów. Macierz sąsiedztwa jest dobra dla grafów gęstych lub gdy potrzebujesz O(1) sprawdzenia, czy krawędź istnieje; kosztuje O(V^2) pamięci.
Odpowiedź zaawansowana
Głębiej
Rozwinięcie krótkiej odpowiedzi — co zwykle ma znaczenie w praktyce:
Kontekst (tagi): graph, adjacency-list, adjacency-matrix, space
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 "lista-sąsiedztwa-vs-macierz-sąsiedztwa:-kiedy-wy"
function explain() {
// Start from the core idea:
// Listę sąsiedztwa wybierasz dla grafów rzadkich, bo ma pamięć O(V + E) i szybko iteruje sąs
}
Typowe pułapki
Zbyt ogólna odpowiedź (brak konkretów, brak przykładów).
Brak rozróżnienia między "średnio" a "najgorzej" (np. złożoność).