数据结构—图

一、图的介绍

​ 图是一种比较复杂的数据结构，在线性表中数据元素之间仅有线性关系，每个元素只有一个直接前驱和直接后继（元素之间只存在一对一关系），在树形结构中元素之间有着明显的层次关系，每一层的元素只能和下层的多个元素有关系（元素之间存在一对多关系），而在图形结构中，任意两个结点之间都可能有关系（元素之间存在多对多关系）。

二、图的定义和术语

顶点：图中的数据元素被称为顶点，一般使用V表示图的顶点的有穷非空集合。

弧：两个顶点之间的关系记作<v，w>，表示能从顶点v到达顶点w，也就是v能到w，但w不一定能到v，我们称v为弧尾或初始点，称w为弧头或终端点。

有向图：由弧+顶点构成的图叫有向图，也就是顶点之间是单行道。

边：两个顶点之间的关系记录（v，w），表示既能从v到w，也能从w到v，我们称v和w之间的关系是一条边。

无向图：由边+顶构成的图有无向图，顶点之间的双行道。

注意：一般使用G代表图，V顶点的集合，VR代表弧或边的集合，n代表顶点的数目，e代表边或弧的数目，我们不讨论顶点到自己的边或弧。

完全图：在无向图中，e的取值范围是0 ~ n/2(n-1)，如果无向图的边的数量达到最大值这种无向图称称为完全图。

有向完全图：在有向图中，e的取值范围是0 ~ n(n-1)，如果有向图的弧的数量达到最大值这种有向图称称为有向完全图。

稀疏图和稠密图：如果图中的边和弧很少，e<nlogn 这种图被称为稀疏图，反之称为稠密图。

权和网：如果图中的顶点到另一个顶点需要代价（距离或耗费），那么在表示边或弧的时候需要附加数据，附加的数据就叫做权，带权的图通常被称为网，这也是互联网的由来。

子图：假定有两个图G1和G2，如果G1的顶点集合是G2的顶点集合的子集，且G1的边或弧集合是G2的边或弧集合的子集，则称G1是G2的子图。

邻接点：在无向图中如果有一条边（v，w），则v，w两个顶点互为邻接点，即v和w相邻接，边（v，w）依附于顶点v，w，或者说（v，w）和顶点v、w相关联。

顶点v的度：在无向图中与顶点v相关联的边的数量。

顶点v的入度和出度：在有向图中，以顶点v作为弧头的弧的数量称为顶点的入度，以顶点v作为弧尾的弧的数量称为顶点的出度。

路径：从顶点v到达顶点w所经历的顶点序叫做路径，路径的长度就是边或弧的数目。

回路或环：起始点和终点相同的路径称为回路或环。

简单路径：路径中顶点不重复出现的路径称为简单路径。

简单回路或简单环：起始点和终点相同且其余顶点不重复出现，被称为简单回路或简单环。

连通图：在无向图中，从顶点v到顶点w有路径，则称v和w是连通的，如果图中任意两个顶点都是连通的，则称图为连通图。

连通分量：G1和G2都是连通图，且G1是G2的子图，则称G1是G2的连通分量或极大连通子图。

强连通图：在有向图中，如果任意一对顶点都双向连通，则称图为强连通图。

强连通分量：G1和G2都是强连通图，且G1是G2的子图，则称G1是G2的强连通分量或极大强连通子图。

三、图的存储结构：

邻接矩阵：

​ 使用两个数组来存储数据元素（顶点）和数据元素之间的关系（边或弧）的信息。

​ 一维数组：用于存储顶点。

​ 二维数组：用于存储弧或边。

邻接矩阵的优点：

​ 访问速度快，方便计算结点的度、入度、出度。

邻接矩阵的缺点：

​ 顶点的容量有限，扩容非常麻烦，只适合存储稠密图，存储稀疏图时会有大量的内存浪费。

#include <stdio.h>
#include <stdlib.h>
#include <stdbool.h>

// 无向图
typedef struct Grahh
{
   
	size_t cal;	  // 顶点容量
	size_t cnt;	  // 顶点数量
	char *vertex; // 存储顶点的一维数组
	char **edge;  // 存储边的二维数组
} Graph;

Graph *create_graph(size_t cal)
{
   
	Graph *graph = malloc(sizeof(Graph));
	graph->vertex = malloc(sizeof(char) * cal);
	graph->cal = cal;
	graph->cnt = 0;

	graph->edge = malloc(sizeof(char *) * cal);
	for (int i = 0; i < cal; i++)
	{
   
		graph->edge[i] = calloc(sizeof(char), cal);
	}

	return graph;
}

bool add_vertex_graph(Graph *graph, char vertex)
{
   
	if (graph->cnt >= graph->cal)
		return false;

	for (int i = 0; i < graph->cnt; i++)
	{
   
		if (graph->vertex[i] == vertex)
			return false;
	}

	graph->vertex[graph->cnt++] = vertex;
	return true;
}

bool add_edge_graph(Graph *graph, char v1, char v2)
{
   
	int v1_index = -1, v2_index = -1;
	for (int i = 0; i < graph->cnt; i++)
	{
   
		if (graph->vertex[i] == v1)
			v1_index = i;
		if (graph->vertex[i] == v2)
			v2_index = i;
	}

	if (-1 == v1_index || -1 == v2_index || v1_index == v2_index)
		return false;

	graph->edge[v1_index][v2_index] = 1;
	graph->edge[v2_index][v1_index] = 1;
	return true;
}

// 查询顶点在一维数组中的位置，如果不存在则返回-1
int query_vertex_graph(Graph *graph, char vertex)
{
   
	for (int i = 0; i < graph->cnt; i++)
	{
   
		if (vertex == graph->vertex[i])
			return i;
	}
	return -1;
}

// 查询顶点第一个邻接点，如果不存在则返回'\0'
char first_vertex_graph(Graph *graph, char vertex)
{
   
	int index = query_vertex_graph(graph, vertex);
	if (-1 == index)
		return '\0';

	for (int i = 0; i < graph->cnt; i++)
	{
   
		if (1 == graph->edge[index][i])
			return graph->vertex[i];
	}

	return '\0';
}

// 删除顶点
bool del_vertex_graph(Graph *graph, char vertex)
{
   
	int index = query_vertex_graph(graph, vertex);
	if (-1 == index)
		return false;

	for (int i = 0; i < graph->cnt; i++)
	{
   
		graph->edge[index][i] = 0;
		graph->edge[i][index] = 0;
	}

	return true;
}

void _dfs_graph(Graph *graph, int index, bool *flags)
{
   
	if (!flags[index])
		return;

	printf("%c\n", graph->vertex[index]);
	flags[index] = false;

	for (int i = 0; i < graph->cnt; i++)
	{
   
		if (1 == graph->edge[index][i])
			_dfs_graph(graph, i, flags);
	}
}

// 深度优先遍历，与树的前序遍历类似
void dfs_graph(Graph *graph)
{
   
	bool flags[graph->cnt];
	for (int i = 0; i < graph->cnt; i++)
		flags[i] = true;

	for (int i = 0; i < graph->cnt; i++)
		_dfs_graph(graph, i, flags);
}

// 广度优先遍历，与树的层序遍历一样，需要队列结构配合
void bfs_graph(Graph *graph)
{
   
	bool flags[graph->cnt];
	for (int i = 0; i < graph->cnt; i++)
		flags[i] = true;

	int queue[graph->