数据结构与算法-图论 邻接矩阵【十四】

图的定义

数据之间的关系可能是多种的，逻辑结构上来讲，分几种：

• 线性结构
• 非线性结构 【包括三种: 集合结构，树形结构，图状结构】

线性结构

线性结构的几种表现方式，前面大部分都了解过了：

• 线性表 （List）
• 栈（特殊的线性表） 【先进后出】 （Stack）
• 队列（特殊的线性表）【先进先出】 （Queue）
• 字符串，数组，广义表【广义表是特殊的线性表，广义表的元素可以是子表，子表的元素也可以是子表；如果广义表的每个元素都是原子，它就变成了线性表】

非线性结构

非线性结构中的 树(click me) ，各个数据之间的关系是一对多。

那么图 与树的区别就是，各个数据之间的关系是多对多。 图又有无向图与有向图，无向图为各个数据之间的关系是没有方向的，有向图反之，数据间是有方向的概念的。

---

顺序存储（数组表示）

如果一定用数组的话，需要一个二维数组来表示数据与数据之间的关系。 【邻接矩阵】

数组（邻接矩阵）表示法

1，需要一个（顶点）表，记录各个顶点的信息

2，一个邻接矩阵 存储各个顶点之间的关系

假如图A = G(V, E),有 n个顶点

• 顶点表为一个一纬数组 Vexs[n]，表示每个顶点代表的数据
• 邻接矩阵是一个二维数组 Arcs[n][n] ,表示各个顶点之间的关系

图中各个顶点的关系存在方向的情况下，节点只能单向通信，图就变成了有向图，。

无向图的邻接矩阵

1，无向图的邻接矩阵是对称矩阵
2，顶点的度就是第i行（列）中1的个数。
完全图的邻接矩阵，对角线为0，其余全部是1。

有向图的邻接矩阵

注意：有向图的第i行中1的个数表示以Vi为起点的弧（出度边）；有向图的第i列中1的个数表示以Vi为终点的弧（入度边）

1，有向图的邻接矩阵可能不是对称矩阵
2，顶点的出度 就是第i行非0元素的个数总和
3，顶点的入度 就是第i列非0元素的个数总和

四字真言：行出列入

有向网的邻接矩阵

什么是有向网，就是有向图中，具有方向的两个顶点之间存在一个特殊意义的数据，比如权重值。将上面有向图的1改为存在特殊意义的权重值即可。

如果用javascript代码来表示应该是这样：

vexs 是一位数组，存放n个顶点,arcs 是一个二维数组，存放各个顶点之间的关系和数据
顶点为n个，那么arcs是n*n的二维数组

    function Graph(vexs = [], arcs = []) {
      this.vexs = vexs
      this.arcs = arcs
    }

邻接矩阵的优缺点

优点：

1. 查找某一个顶点的出度与入度很方便
2. 查找某两个顶点的权值也很方便

缺点：

1. 不利于添加和删除点
2. 空间复杂度为n^2 ，在存储稀疏图（顶点很多，但是边很少）的时候，会浪费大量存储空间
3. 在统计图中有多少条边的情况下，需要遍历整个arcs数组，时间复杂度为n^2, 浪费时间

---

---

---

链式存储 （链式表示）

链式表表示法----【邻接表/ 邻接多重表 / 十字链表】

TO BE CONTINUED