邻接矩阵只管繁难计算，失掉两个顶点之间的相关时十分高效，然而存储空间应用率太低。首先，无向图中 A[i][j] 和 A[j][i] 表示相反的意义，只须要存储其中一个；因此糜费了一半的空间。其次，大少数的社交相关都属于稠密矩阵（Sparse Matrix），顶点很多然而边很少。例如，微信誉户数量曾经超越 10 亿，然而大少数人的好友在几百人；象征着邻接矩阵中绝大少数都是零，糜费了少量的存储空间。
本网站的文章部分内容可能来源于网络和网友发布，仅供大家学习与参考，如有侵权，请联系站长进行删除处理，不代表本网站立场，转载联系作者并注明出处：https://duobeib.com/diannaowangluoweixiu/8542.html
咚波服务与支持