图是数据结构中相对来说比较难的知识点，不过也不用怕，因为都是相对的难ƪ(˘⌣˘)ʃ而已
其次，在企业面试中很少会问图的知识点（问的很少，但也不代表不会问）,所以放轻松哦~~
目录
定义：
图不是我们字面意思理解的是一张图，数据结构中的图实际上是由顶点（vertex——V）和顶点之间的关系（edge——E）组成的一种数据结构。
一、顶点（vertex）
下面这个就是一个图：
图中的字母A、B、C、D就是顶点（vertex）
二、边（edge）
如图，节点之间有一条连线，连线代表一个顶点可以到达这条线指向的相邻的顶点：
图中每个字母之间的连线就是边（edge），它可以描述相邻节点之间的关系
比如，A和C之间有一条边连在一起，说明A可以直接到达B，B也可以直接到达A。
但是E不能直接到达D，
因为E和D之间没有连线，
不过可以通过路径E->C->D方式间接到达。
那么图中的weight是什么呢？
学过哈夫曼树，我们都知道代权路径长度这个概念，实际上weight也是这个意思。
图这个数据结构中，可以给每一条边附加一个权值（weight）。
比如所给例子中，A和C之间的边的权值就是9。
在图中，权值可以加也可以不加。
不过，一般我们今后涉及的不管是考试还是面试大部分都是代权的。
图的专业术语以及概念
这些概念看上去很简单，
其实一点都不难理解。
一、有向图和无向图
1、无向图：
刚才在介绍顶点的时候给的图的例子，就是无向图，既：
一个边之间任意一个顶点，可以通过另一个顶点。
比如，A可以到C，C也可以到A。
他们是没有方向的。
2、有向图：
实际上就是限制了边的方向，如图：
每个顶点之间不在是用简单的线段来连接了，而是用箭头。
比如：
顶点1和顶点2，用一个单向箭头连接在一起了，说明1可以通过2，但是2不能通过1
顶点0和顶点1，用两个单向箭头，因此两个顶点可以相互访问。
二、无向完全图和有向完全图
1、无向完全图
定义：
在无向图中有N个节点，若这个图有N*(N-1)/2个边，那么就是一个无向完全图。
上述定义很抽象，下面我们来形象理解（保准一次看懂）：
如果图中任意两个节点（顶点节点一样咧，直到说的是vertex（顶点）就行）之间有且仅有一条边，那么就是无向完全图！
如图，就是一个无向完全图：
那么为啥一定要是N*(N-1)/2条边呢？
其实也很好理解，既然要保证每个顶点之间有且仅有一条边，那么从第一个节点开始连线（边），就应该每个节点都连接一次，也就是N-1条边
然后接下来每到一个顶点，连接的边就少一条。
所以总边数就是一个首项为N-1，尾向为0，公差为-1的等差数列。
求和公式一算，就是N*(N-1)/2了。
2、有向完全图
理解了无向完全图，那么有向完全图就简单了。
定义：
在n个顶点的有向图中，若有n * (n-1)条边，
即任意两个顶点之间有且仅有方向相反的边，则称此图为有向完全图
如图：
三、邻接顶点
在无向图中：
若一条边连接两个顶点u和v，那么u和v互为邻接顶点。
并称这条边依附于顶点u和顶点v。
在有向图中：
若一条边从u连到v(有方向的)，那么称u节点邻接到v节点，v节点邻接自u节点。
并称边<u，v>与顶点u和顶点v相关联。
四、顶点的度
定义：
一个顶点v的度是指与它相关联的边的条数，记作deg(v)
在有向图中：
顶点的度等于该顶点的入度与 出度之和；
其中顶点v的入度是以v为终点的有向边的条数，记作indev(v);
顶点v的出度是以v为起始点的有向 边的条数，记作outdev(v)。
因此：dev(v) = indev(v) + outdev(v)
如图，0的度就是二：
无向图中：
这个就简单了，度就是这个顶点的边的个数
如图0这个顶点的度就是三：
五、路径
在一个图G = (V， E)中，若从顶点vi出发有一组边使其可到达顶点vj，
则称顶点vi到顶点vj的顶点序列为从顶点vi到顶点vj的路径。
六、路径长度
若没有设置边的权重，那么从vi顶点，到vj顶点路径中经过的边的数量就是路径长度。
如果边设置了权重，那么路径长度就是所有边的权值之和。
七、简单路径与回路
若路径上各顶点v1，v2，v3，…，vm均不重复，则称这样的路径为简单路径：
若路 径上 第一个顶点v1和最后一个顶点vm重合，则称这样的路径为回路或环：
八、连通图与强连通图
连通图是无向图中的概念：
在无向图中，若从顶点v1到顶点v2有路径，则称顶点v1与顶点v2是连通的。
如果图中任意 一对顶点 都是连通的，则称此图为连通图。
强连通图是有向图的概念：
在有向图中，若任意一对顶点vi和vj之间都存在一条从vi到vj的路径，也存在一条从vj到 vi的路径，则称此图是强连通图。
九、子图/生成图/生成树/最小生成树
1、子图
定义：
对于原来的图G，进行某一些边和顶点的删除，最后所构成的图g，我们就说g是G的一个子图
如图这个例子（只要子图的顶点和边都属于G1，那么就是子图）：
第二个例子：
包括这个图，也是G2的子图：
2、生成子图
定义：
只对原来的图的边进行删除，而不删除顶点，所构成的子图就是生成子图（一般简化叫生成图）。
举例子：
对于如下这个图：
只对某一些边进行删除：
这就是一个生成图。
3、生成树
小编先用VN图事先让大家知道一下，图和树的包含关系：
生成树的定义：
只对原来的图G进行边的删除，最后得到的图g：
1、不会形成环，
2、且任意两个顶点，有路径到达，
那么这个图就是生成树。
举例：
原图G：
G的一个生成树（例1）：
G的另一个生成树（例2）：
4、最小生成树
定义：
最小生成树，是生成树的一种，区别在于：
1、最小生成树的边的权值之和最小
2、最小生成树的边==N-1（N是图的顶点个数）。
以上两点也是最小生成树的特点，很重要一定要知道，构建最小生成树的算法要用到他们。
注：一个图的最小生成树大概率不唯一。
最小生成树的计算有两个方法：
Kruskal算法
Prime算法
扫一扫
1565
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
