数据结构之图

表示物件与物件之间的关系的数学对象，是图论的基本研究对象

定义

二元组的定义

图G是一个有序二元组(V,E)，其中V称为顶集(Vertices Set)，E称为边集(Edges set)，E与V不相交。它们亦可写成V(G)和E(G)。
E的元素都是二元组，用(x,y)表示，其中x,y∈V。 [1]

三元组的定义

图G是指一个三元组(V,E,I)，其中V称为顶集，E称为边集，E与V不相交；I称为关联函数，I将E中的每一个元素映射到
。如果e被映射到(u,v)，那么称边e连接顶点u,v，而u,v则称作e的端点，u,v此时关于e相邻。同时，若两条边i,j有一个公共顶点u，则称i,j关于u相邻。

大白话

一些点，用线连起来，即可称为图，点里存着数，线有长度

分类

有/无向图

如果给图的每条边规定一个方向，那么得到的图称为有向图。在有向图中，与一个节点相关联的边有出边和入边之分。相反，边没有方向的图称为无向图。

单图

一个图如果任意两顶点之间只有一条边（在有向图中为两顶点之间每个方向只有一条边）；边集中不含环，则称为单图。

基本术语

阶（Order）

图G中点集V的大小称作图G的阶。

子图（Sub-Graph）

当图G’=(V’,E’)其中V‘包含于V，E’包含于E，则G’称作图G=(V,E)的子图。每个图都是本身的子图。

生成子图（Spanning Sub-Graph）

指满足条件V(G’) = V(G)的G的子图G’。

导出子图（Induced Subgraph）

以图G的顶点集V的非空子集V1为顶点集，以两端点均在V1中的全体边为边集的G的子图，称为V1导出的导出子图；以图G的边集E的非空子集E1为边集，以E1中边关联的顶点的全体为顶点集的G的子图，称为E1导出的导出子图。

度（Degree）

一个顶点的度是指与该顶点相关联的边的条数，顶点v的度记作d(v)。

入度（In-degree）和出度（Out-degree）

对于有向图来说，一个顶点的度可细分为入度和出度。一个顶点的入度是指与其关联的各边之中，以其为终点的边数；出度则是相对的概念，指以该顶点为起点的边数。

自环（Loop）

若一条边的两个顶点为同一顶点，则此边称作自环。

路径（Path）

从u到v的一条路径是指一个序列v0,e1,v1,e2,v2,…ek,vk，其中ei的顶点为vi及vi - 1，k称作路径的长度。如果它的起止顶点相同，该路径是“闭”的，反之，则称为“开”的。一条路径称为一简单路径(simple path)，如果路径中除起始与终止顶点可以重合外，所有顶点两两不等。

行迹（Trace）

如果路径P(u,v)中的边各不相同，则该路径称为u到v的一条行迹。

轨道（Track）

如果路径P(u,v)中的顶点各不相同，则该路径称为u到v的一条轨道。
闭的行迹称作回路（Circuit），闭的轨称作圈（Cycle）。
（另一种定义是：walk对应上述的path，path对应上述的track。Trail对应trace。）

桥（Bridge）

若去掉一条边，便会使得整个图不连通，该边称为桥。

图的存储

数组（邻接矩阵）存储表示（有向或无向）

int g[1010][1010];
int u,v,w;
cin>>u>>v>>w;
g[u][v]=w;

表示u连向v(有向)，边权值为w。
如果要连无向图就交换位置再连一条

int g[1010][1010];
int u,v,w;
cin>>u>>v>>w;
g[u][v]=w;
g[v][u]=w;

但邻接矩阵有点浪费空间，当一个图为稀疏图时，许多空间都用不到，一般为o(n*n)空间复杂度;

邻接表存储

用二维动态数组加结构体（当有权值时）来存

struct node{
	int v;
	int w;
	node(int vv,int ww){
		v=vv;
		w=ww;
	}
}

vector<vector<node> > g;
int u,v,w;
cin>>u>>v>>w;
g[u].push_back(node(v,w));

u数组里有v,表示u连向v,u不连向的不存进去就可以了，这会节约大量时间
结构体只是用于存边权，当没有边权时，直接push_back(v)即可
如果要存无向图，直接再交换u和v一遍即可

struct node{
	int v;
	int w;
	node(int vv,int ww){
		v=vv;
		w=ww;
	}
}

vector<vector<node> > g;
int u,v,w;
cin>>u>>v>>w;
g[u].push_back(node(v,w));
g[v].push_back(node(u,w));

图的遍历

图存下后自然要遍历的那存着干什么，下文以邻接表的遍历来演示(用邻接矩阵来存浪费时间又浪费空间)。

bfs

用bfs来在图上搜索，自然是先遍历所以向连的，再以第一个遍历的为起点依次向下遍历。

queue<int> q;
q.push(su);
while(!q.empty()){
	int u=q.front();
	q.pop();
	for(int i=0;i<g[u].size();i++){
		int v=g[u][i].v;
		int w=g[u][i].w;
		if(!vis[v]){
			vis[v]=1;//标记已经走过的
			q.push(v);
		}
	}
}

dfs

沿着已经知道可以走到的点一直往下走，直到无法向下走或走到已经走过的点就返回上一次位置

void dfs(int u){
	for(int i=0;i<g[u].size();i++){
		int v=g[u][i].v;
		int w=g[u][i].w;
		if(!vis[v]){
			vis[v]=1;
			dfs(v);
		}
	}
}

图的使用

AC题目废话
表示两个物体之间的关系
衍生出树，堆，最短路等新的数据结构和算法