그래프(Graph)란?

그래프는 객체 사이의 연결 관계를 표현할 수 있는 자료 구조로 실제 세계의 현상이나 사물을 정점(vertex)과 간선(edge)으로 표현한 것이다.

전기 소자를 그래프로 표현하게 되면 전기 회로의 소자들이 어떻게 연결되어 있는지를 표현해야 회로가 제대로 동작하는지 분석할 수 있으며, 운영 체제에서는 프로세스와 자원들이 어떻게 연관되는지를 그래프로 분석하여 시스템의 효율이나 교착상태 유무 등을 알아낼 수 있다. 그래프 구조는 인접 행렬이나 인접 리스트로 메모리에 표현되고 처리될 수 있으므로 광범위한 분야의 다양한 문제들을 그래프로 표현하여 해결할 수 있다.

그래프의 용어

그래프는 정점(vertex)과 간선(edge)들의 유한집합이라 할 수 있다. 수학적으로는 $G = (V, E)$와 같이 표시한다. 정점은 여러 가지 특성을 가질 수 있는 객체를 의미하고, 간선은 이러한 정점 간의 관계를 의미한다. 정점(vertex)은 노드(node)라고도 하며, 간선(edge)은 링크(link)라고도 한다.

그래프의 종류

무방향 그래프와 방향 그래프

간선의 종류에 따라 무방향 그래프(undirected graph)와 방향 그래프(directed graph)로 나눌 수 있다.

무방향 그래프는 간선에 방향이 없는 그래프로 간선을 통해 양방향의 정점으로 갈 수 있다. 정점 A와 정점 B를 잇는 간선을 (A, B)와 같이 표현할 수 있는데 무방향 그래프에서는 (A, B)와 (B, A)가 같은 간선이 된다.

방향 그래프는 간선에 방향이 존재하는 그래프로 간선을 통해 한쪽으로만 갈 수 있다. 정점 A와 정점 B를 잇는 간선을 <A, B>와 같이 표현할 수 있고 방향 그래프에서는 <A, B>와 <B, A>는 서로 다른 간선이다.

가중 그래프 또는 가중 네트워크

간선에 가중치를 할당하여 정점 간의 연결 유무뿐 아니라 연결 강도까지 나타낼 수 있으므로 보다 복잡한 관계를 표현할 수 있는 그래프이다.

이렇게 간선에 비용이나 가중치가 할당된 그래프를 가중 그래프(weighted graph) 또는 가중 네트워크(weighted network)라고 한다.

연결 그래프와 비연결 그래프

무방향 그래프에 있는 모든 정점에 대해 항상 경로가 존재한다면 이 그래프를 연결 그래프(connected graph)라 부른다. 그렇지 않은(특정 정점에 대한 경로가 없는) 그래프는 비연결 그래프(disconnected graph)라고 한다. 트리(Tree)는 그래프의 특수한 형태로 사이클을 가지지 않는 연결 그래프이다.

완전 그래프

그래프에 속해 있는 모든 정점이 서로 연결된 그래프를 완전 그래프(complete graph)라고 한다. 무방향 완전 그래프의 정점 수를 $n$이라고 한다면 간선의 수는 $n * (n - 1) / 2$이다.

부분 그래프

어떤 그래프의 정점 일부와 간선 일부로 이루어진 그래프를 부분 그래프(sub graph)라 한다. 그래프 G의 부분 그래프 S는 다음과 같은 수식을 만족한다.

• $V(S) \subseteq V(G)$
• $E(S) \subseteq E(G)$

그래프의 표현 방법

프로그래밍에서 그래프는 크게 2가지 방식으로 표현할 수 있는데 인접 행렬(adjacency matrix)과 인접 리스트(adjacency list)이다.

인접 행렬은 2차원 배열로 각 노드의 연결 관계를 표현하는 방식이다. 연결이 되어 있지 않은 노드끼리는 무한(Infinity)의 비용이라고 작성한다. 노드에 대해 가중치가 있을 때는 아래와 같이 가중치를 입력해주고 가중치가 없는 경우에는 1과 0으로 표기한다. 인접 행렬 방식을 사용하면 노드의 연결 관계를 담은 배열이 중앙 대각선을 기준으로 대칭을 이루게 된다.

// 가중치가 없는 인접 행렬 그래프
const graph = [
  [0, 1, 0, 1, 1, 0],
  [1, 0, 1, 0, 0, 0],
  [0, 1, 0, 1, 0, 0],
  [1, 0, 1, 0, 0, 0],
  [1, 0, 0, 0, 0, 1],
  [0, 0, 0, 0, 1, 0],
];

// 가중치가 있는 인접 행렬 그래프
const INF = Number.MAX_SAFE_INTEGER;

const weighted_graph = [
  [0, 9, INF, 2, 7, INF],
  [9, 0, 20, INF, INF, INF],
  [INF, 20, 0, 16, INF, INF],
  [2, INF, 16, 0, INF, INF],
  [7, INF, INF, INF, 0, 10],
  [INF, INF, INF, INF, 10, 0],
];

인접 리스트는 리스트로 그래프의 연결 관계를 표현하는 방식으로 모든 노드에 연결 정보를 차례대로 연결하여 저장한다. 노드에 대해 가중치가 있을 때는 아래와 같이 가중치를 입력해주고 가중치가 없는 경우에는 2차원 배열로 표기한다.

// 가중치가 없는 인접 리스트 그래프
const graph = [[1, 3, 4], [0, 2], [1, 3], [0, 2], [0, 5], [4]];

// 가중치가 있는 인접 리스트 그래프
const weighted_graph = [
  [
    [1, 9],
    [3, 2],
    [4, 7],
  ],
  [
    [0, 9],
    [2, 20],
  ],
  [
    [1, 20],
    [3, 16],
  ],
  [
    [0, 2],
    [2, 16],
  ],
  [
    [0, 7],
    [5, 10],
  ],
  [[4, 10]],
];

인접 행렬 방식과 인접 리스트 방식의 차이점

이 두 방식에는 어떤 차이점이 있을까? 메모리 측면에서 보자면 인접 행렬 방식은 노드의 모든 관계를 저장하므로 메모리를 불필요하게 많이 사용하게 된다.

인접 리스트 방식은 연결된 정보만을 저장하기 때문에 메모리를 효율적으로 사용하게 된다. 하지만, 연결된 데이터를 하나씩 확인해야 하므로 인접 행렬 방식에 비해 특정한 두 노드의 연결에 대한 정보를 얻는 속도가 느리다.

그래프의 탐색

그래프 탐색은 하나의 노드로부터 시작하여 차례대로 모든 노드를 한 번씩 방문하는 것이다. 많은 문제가 단순히 그래프의 노드를 탐색하는 것으로 해결된다. 대표적으로 특정한 노드에서 다른 노드로 갈 수 있는지 없는지를 탐색을 통하여 알 수 있다.

그래프의 각 노드를 탐색 방법에는 크게 깊이 우선 탐색(depth first search)과 너비 우선 탐색(breadth first search)의 두 가지 알고리즘이 있다.

깊이 우선 탐색(DFS)은 주로 스택으로 구현하거나 재귀로 구현하고, 너비 우선 탐색(BFS)는 주로 큐로 구현하며 그래프의 최단 경로를 구하는 문제 등에 사용된다.

DFS와 BFS에 대한 자세한 설명은 아래 게시글에서 다루고 있으니 참고하면 좋을 것 같다.

[알고리즘] JavaScript로 구현하는 DFS

[알고리즘] JavaScript로 구현하는 BFS

참고

• https://www.fun-coding.org/Chapter17-graph-live.html
• C언어로 쉽게 풀어쓴 자료구조