数据结构--图

---

前言

本文主要是介绍图的一些基本概念、表示方法和应用场景；本文所涉及的知识点，主要是从网点：https://visualgo.net/zh学习记录所得。

---

一、相关概念

图按大类可分为简单图形和特殊图形。在简单图形中，节点没有从节点自身指向自身的边，且相邻节点之间也不存在多条边；而涉及其顶点或边有特定属性的图，一般都有特定的名称，如树，完整图，二分图，有向无环图，平面图，线图，星图，轮图等。

图也可以以边是否有方向，区分为有向图和无向图。如上图就是一个无向图， 无向图的一些基本概念如下：

• 无向边e: (u，v)被认为是以其两个顶点入射：u和v。即无向边e的表示方法为，边（u, v），如边（0，2）
• 相邻边缘，指两个边缘与公共顶点一起入射。如边（0，2）和边（2，4）就是相邻边缘。
• 顶点的度数，是指与顶点v一起入射的边的数量，度为0的顶点被称为孤立顶点。例如，顶点0/2/6分别具有2/3/1的度数。
• 子图，是指包含较小顶点和边的子集，如三角形{0，1，2}就是当前图的子图。
• 路径，是指由一系列顶点组成，表示为 {v0, v1, …, vn-1, vn}，且相邻顶点之间存在边e。如{0，1，2，4，5}就是一条路径。
• 连通性，是指对于图中任何直接相邻的顶点，都存在边。如上图就是一个连通图。
• 连通组件，需要满足三个条件，其1，图C是图G的子图；其2， 图C是连通的；其3，在图G中不存在包含图C的其它连通子图。如下图中，{0, 1, 2, 3, 4}和{5, 6}都是该图的连通组件。
  

在有向图中，有些术语有所调整。

• 有向边e，表示为(u->v)，指v与u相邻，但反过来u与v就不一定相邻；如上图中，边(0->1)。
• 顶点的度数区分为入度和出度，如顶点1的入度为2，出度为1；
• 连通组件定义为强连通分量（SCC），如上图中，{0}，{1，2 ，3}和{4，5，6，7}就是上图的三个SCC。
• 循环，是指相同顶点开始和结束的路径。非循环的有向图称为，有向无环图（DAG）。

二、数据结构

有许多方法可以将图形信息存储到图形数据结构中。常见的有：邻接矩阵、邻接列表和边缘列表，每个都有自己优缺点和适用场景。

2.1 邻接矩阵（AM）

邻接矩阵AM是一个方形矩阵，大小为V*V（V为边的数量）；其中AM[i][j]表示的是从顶点i到顶点j的权重值；对于无权重的图，可以认为其权重值为1；在c++语言中，常常以二维数组表示这个方形矩阵。

2.2 邻接列表（AL）

邻接列表（AL）是一个长度为V（V是顶点数量）的列表，AL[i]表示的是第i顶点的所有相邻顶点。对于权重图，可以把顶点编号和权重当成一个整体保存在AL[i]中。
在C++中，数据结构是：

• 无权重图，vector<vector<int>> AL;
• 权重图，vector<vector<pair<int,int>>> AL;

可以看出，无权重图的数据结构，也可以认为是vector<vector<pair<int,0>>> AL;
这样邻接矩阵就可以统一用一种数据结构表示。邻接列表空间开销是V(顶点数)+E(边数)，是图最常用的表示方法。

2.3 边缘列表（EL）

边缘列表（EL），是具有连接顶点及其权重的边的集合。因此其空间开销为E（边的数量）。
在C++中，常见的数据表示方法为：
vector <tuple <int，int，int >> EL;


在上图中，共有7条边，因此列表的长度为7，在数据表示中，因为是无权重图，所以权重值并未体现出来，如顶点0，与顶点1和顶点2相连，可以看到EL[0]=(0,1) ，EL[1]=(0, 2)。

三、应用场景

把图的相应信息存储成对应的数据结构后，可以应用以下几个基本的场景。

• 统计顶点数量
• 统计边的数量
• 统计某个顶点的所有相邻顶点
• 判断边(u, v)是否存在等

3.1 统计顶点数量V

• 对于邻接矩阵AM或者邻接列表AL，顶点数量V就是其行的长度；
• 对于边缘列表EL，则不能这么直观的得出，一个最简单的方法，就是遍历EL，然后统计所有顶点，开销是O(E)。

此外，若在存储了图的信息后，不需要经常变更顶点和边缘，则在实际应用中，也可以用一个成员记录当前AM/AL/EL的数量，避免每次获取时都要重新计算。

3.2 统计边的数量E

• 对于边缘列表EL，其边的数量是其长度。
• 对于邻接列表AL，其边的数量等于每个顶点的相邻顶点数量的总和，且对于无向图来说，总数量需要除以2.
• 对于邻接矩阵，可以遍历判断AM[i][j]的值，若值为0，即权重为0，则认为是顶点i和顶点j未连接；并且需要注意，AM[i][j]和AM[j][i]在无向图中，是表示同一条边的权重，不能重复计算。

3.3 枚举某一顶点u的所有邻居顶点

• 对于AM，需要遍历AM[u][j], j 属于[0…v-1]，找到AM[u][j]不为0的条件。开销是O(v)。
• 对于AL，AL[u]的长度就是顶点u的邻居。
• 对于EL，遍历的过程中，需要判断u出现的边。

3.4 检查边缘（u, v）是否存在

• 对于AM，只需判断AM[u][v]是否不为0
• 对于AL，只需判断AL[u]中，是否存在顶点v
• 对于EL，若为无向图，则遍历并判断EL[i]，其值是否是(u, v)或者(v, u)；若是有向图，则只判断(u, v)