Algorithm 如何通过实验模拟和比较各种图形周期检测算法？

我研究了有向图中循环检测算法的各种算法，如增量方式搜索、强连通组件、BFS、双向搜索等。现在我想对其进行模拟并比较性能。每当我插入边缘时，我调用循环检测函数

所以，我的问题是我应该考虑什么样的数据集。如果我考虑随机图，那么什么是评价各种算法的标准。一些随机图可能是巨大的；但它们可能会在几次迭代中导致循环。如果有人能建议如何进行这项工作，那将是很有帮助的

---

另外，为了比较性能，删除循环然后再次继续插入是否有意义。一旦终止，比较所有实现的执行时间？

这实际上取决于您这样做的目的。一般来说，有许多随机图生成方法，但可以说最著名的是。但是请注意，对于一个有n个顶点的图来说，它没有一个圈，它最多必须有n-1条边，所以这样的随机图生成器将有一个高概率的圈。因此，根据具体情况，您可能会发现最好保持图形尽可能稀疏（即允许很少的边）。

这实际上取决于您这样做的目的。一般来说，有许多随机图生成方法，但可以说最著名的是。但是请注意，对于一个有n个顶点的图来说，它没有一个圈，它最多必须有n-1条边，所以这样的随机图生成器将有一个高概率的圈。因此，根据具体情况，您可能会发现最好保持图形尽可能稀疏（即允许少量边）。

但要比较不同算法的性能，应考虑最坏情况，即插入更多边。另外，为了比较性能，删除循环然后再次继续插入是否有意义。一旦终止，比较所有实现的执行时间？但是为了比较不同算法的性能，应该考虑最坏的情况，即更多的边缘插入。另外，为了比较性能，删除循环然后再次继续插入是否有意义。一旦终止，比较所有实现的执行时间？