基本的图算法

 注：由于数据结构与算法分析上关于图的表述过于混乱，在此使用算法导论作为教材。由于二者关于细节处可能有所出入，因此对图进行重新学习。

1、图的表示。

 对于图G(graph)=(V,E)，有两种方法进行表示。

       一、邻接矩阵。

       二、邻接链表。

  其中，邻接矩阵用于稠密图，即边的条数|E|接近|V|²的情形。而邻接链表通常用于稀疏图，即|E|<<|V|²的情形。在实际的应用中，对于邻接链表的运用远远大于对于邻接矩阵的运用。因此，接下来会对邻接链表进行描述和介绍。

  对于图G=（V，E），其邻接链表表示由一个包含|V|条链表的数组Adj所构成，其中数组中的每个节点都由一条链表。对于每个节点u∈V，邻接链表Adj[u]包含所有与结点u之间有边相连的节点v。即以Adj[u]为表头的链表中包含指向与节点u有边相连的节点的指针。邻接链表的存储空间需求为Θ(V+E)。

  由于邻接链表存储的方法是通过点之间十分存在边的关系，在伪代码中，我们就将数组Adj看作图的一个属性，即Adj是结构体G中的一个元素。

  若G是有向图，对于边(u,v)来说，节点v出现在链表Adj[u]中，因此，所有邻接链表长度之和为|E|。

  若G是无向图，对于边(u,v)来说，节点v会出现在链表Adj[u]中，同时节点u会出现在链表Adj[v]中，因此所有邻接链表长度之和为2|E|.

       三、用邻接链表表示权重图。

  回忆：权重图：图中的每条边都带有一个相关的权重图。其中的权重值通常由一个w:E->R的权重函数给出。

example: 对于权重函数w(u,v)，我们能够直接将边(u,v)∈E的权重值通过w(u,v)放到节点u的邻接链表中。

  邻接链表与邻接矩阵相比，也有一定的缺点：链表无法在短时间内判断边(u,v)是否是图中的边。因为邻接链表的方法只能通过一个for循环遍历以Adj[u]为头节点的链表进行判断。相反，邻接矩阵能够直接地通过判断adj[u][v]==0来进行判断。

      四、邻接矩阵的运用。

   在无向图中，邻接矩阵是一个对称矩阵，因为adj[u][v]和adj[v][u]都表示边(u,v)是否存在，所以二者相等，因此在存储无向图的时候，有一半的空间都是浪费了的，同时，该邻接矩阵也是一个对称矩阵。满足A=A^T，即矩阵A等于A的转置。因此，我们可以通过仅使用矩阵的左上半部分来存储数据，从而节约空间。

   在权重图的表示中，我们则可直接将边（u,v)的权重存储在adj[u][v]中