Algorithm 快速插入和搜索

快速执行以下操作的最佳数据结构是什么

• 插入
• 找到

谢谢

---

Avinash

根据me hash_map

根据me hash_map

如果相同的数据结构需要执行这两个操作，那么它应该是一个。

如果相同的数据结构需要执行这两个操作，那么它应该是一个。

图形邻接列表的一个好的实现是使用动态分配的整数

假设图形中最多有N个节点。您可以将图形存储在由N个动态分配的整数向量组成的数组中。 它将如下所示：

向量[N]

要将边从节点x插入节点y，请使用：

矢量[x]。推力（y）

这样，如果图是稀疏的（没有很多边），您可以快速找到节点的所有传出边

如果你想知道x和y之间是否有一条边，你必须通过向量[x]来搜索它。如果要加快速度，可以在节点数较少（小于1000是合理的）的情况下额外使用二维布尔数组

---

如果您有很多节点，并且想要加快操作速度，可以使用hashmap。

图形邻接列表的一个好实现是使用动态分配的整数向量

假设图形中最多有N个节点。您可以将图形存储在由N个动态分配的整数向量组成的数组中。 它将如下所示：

向量[N]

要将边从节点x插入节点y，请使用：

矢量[x]。推力（y）

这样，如果图是稀疏的（没有很多边），您可以快速找到节点的所有传出边

如果你想知道x和y之间是否有一条边，你必须通过向量[x]来搜索它。如果要加快速度，可以在节点数较少（小于1000是合理的）的情况下额外使用二维布尔数组

---

如果您有很多节点，并且想要加快操作速度，可以使用hashmap。

这是家庭作业吗？在现实世界中，答案是“视情况而定”。直接取决于插入和查找的比率；它还可以取决于插入和查找的类型（插入或查找的数据中可能存在一些有用的相关性）没有作业，我正在尝试了解图形邻接列表的最佳实现。即使这还不够信息。你打算怎么使用它？这是家庭作业吗？在现实世界中，答案是“视情况而定”。直接取决于插入和查找的比率；它还可以取决于插入和查找的类型（插入或查找的数据中可能存在一些有用的相关性）没有作业，我正在尝试了解图形邻接列表的最佳实现。即使这还不够信息。你们实际上打算如何使用它呢？谢谢，我正在试图找出图形调整列表的最佳实现。任何想法都有这种增强的C++库（）谢谢，我正在尝试找出最佳的图形化列表的实现。任何想法都有这种提升的C++库（）