객체 간의 복잡한 연결 관계를 컴퓨터가 이해할 수 있는 데이터로 표현하기 위해 그래프(Graph)의 대표적인 구현 방식들을 학습하고 정리했다.
노드(Vertex)와 이들을 잇는 간선(Edge)의 정보를 어떻게 저장하느냐에 따라 메모리 효율과 탐색 속도가 어떻게 달라지는지 분석하는 데 주력했다.
2차원 배열을 활용하여 모든 노드 간의 연결 여부를 즉시 확인할 수 있는 인접 행렬 방식과 각 노드에 연결된 이웃 노드들만 목록으로 관리하는 인접 리스트 방식을 직접 구현했다.
인접 행렬의 빠른 접근 속도와 노드 수의 제곱에 비례하는 메모리 낭비 가능성을 대조하며 간선이 적은 희소 그래프에서의 비효율성을 파악했다.
반면 인접 리스트가 가진 뛰어난 메모리 효율성과 특정 간선 존재 여부를 확인하기 위해 리스트를 순회해야 하는 탐색 속도의 한계를 비교 분석했다.
노드의 개수와 간선의 밀도에 따라 최적의 표현 방식을 선택하는 기준을 수립함으로써 상황에 맞는 효율적인 자료구조 설계 능력을 배양했다.
관계를 정의하는 기술은 단순히 데이터를 담는 것을 넘어 정교한 로직을 구현하기 위한 시스템의 뼈대를 세우는 작업임을 깨달았다.
추상적인 관계를 구체적인 코드로 변환하는 과정에서 자료구조 설계의 묘미를 느꼈다.
데이터의 특성을 면밀히 분석하여 성능과 자원 효율 사이의 최적점을 찾아내는 그래프 설계 역량을 키웠다.
수많은 노드들이 얽히고설킨 복잡한 네트워크를 논리적인 데이터 구조로 정제했다.
간선의 밀도에 따라 변하는 시스템의 효율성을 수치적으로 검증하며 최적의 아키텍처를 완성했다.
