2022.3.22 图论基础

---

文章参考自

前言：图可以玩出更多的算法，解决更复杂的问题，但本质上图可以认为是多叉树的延伸。面试笔试很少出现图相关的问题，就算有，大多也是简单的遍历问题，基本上可以完全照搬多叉树的遍历。

一、图的具体实现

图的实现方法①：逻辑上的实现

/* 图节点的逻辑结构 */
class Vertex {
   
    int id;
    Vertex[] neighbors;
}

类似多叉树节点

/* 基本的 N 叉树节点 */
class TreeNode {
   
    int val;
    TreeNode[] children;
}

图本质上就是个高级点的多叉树，适用于树的 DFS/BFS 遍历算法，全部适用于图。

图的实现方法②：邻接表
实际使用中更常用的是邻接表

把每个节点 x 的邻居都存到一个列表里，然后把 x 和这个列表关联起来，这样就可以通过一个节点 x 找到它的所有相邻节点。

// 邻接表
// graph[x] 存储 x 的所有邻居节点
List<Integer>[] graph;

图的实现方法③：邻接矩阵

邻接矩阵则是一个二维布尔数组，我们权且称为 matrix，如果节点 x 和 y 是相连的，那么就把 matrix[x][y] 设为 true（上图中绿色的方格代表 true）。如果想找节点 x 的邻居，去扫一圈 matrix[x][…] 就行了。

// 邻接矩阵
// matrix[x][y] 记录 x 是否有一条指向 y 的边
boolean[][] matrix;

邻接表 VS 邻接矩阵：

邻接表，好处是占用的空间少。
邻接矩阵里面空着那么多位置，肯定需要更多的存储空间。

但是，邻接表无法快速判断两个节点是否相邻。
比如说我想判断节点 1 是否和节点 3 相邻，我要去邻接表里 1 对应的邻居列表里查找 3 是否存在。但对于邻接矩阵就简单了，只要看看 matrix[1][3] 就知道了，效率高。

所以说，使用哪一种方式实现图，要看具体情况。

二、图的遍历

遍历过程：

（我们需要引入两个数组，visited 数组用于处理图中的环，防止递归重复遍历同一个节点进入死循环；onPath 数组用于存储临时路径。
在 visited 中被标记为 true 的节点用灰色表示，在 onPath 中被标记为 true 的节点用绿色表示）

参考多叉树，多叉树的遍历框架如下：

/* 多叉树遍历框架 */
void traverse(TreeNode root