图

一、基本概念

1.定义

图G由 顶点集V 和 边集E 组成，记为G = （V，E），其中，V（G）表示图G中顶点的有限非空集，E（G）表示图G中顶点之间的关系（边）的集合。若，V=｛v1,v2,…,vn｝,则用 |v| 表示图G中顶点的个数，也称，图G的阶；E = ｛(u,v)|u∈V,v∈V｝,用|E|表示图G中边的条数。
注意：
线性表可以是空表，树可以是空树，但图不可以是空图；即，图中不能一个顶点也没有，图中的顶点集V一定非空，但边集E可以为空，此时，图中只有顶点没有边。

<1>有向图
若E是有向边（弧）的有限集合，则G为有向图，弧是顶点的有序对，记为<v,w>，v为弧尾，w为弧头，称<v,w>为从顶点v到顶点w的弧；或v邻接w，w邻接自v。

<2>无向图
若E是无向边（弧）的有限集合，则G为无向图，弧是顶点的无序对，记为（v,w）=（w,v），称顶点v和顶点w互为邻接点，称边（v,w）依附于顶点v,w；或（v,w）和顶点v,w相关联。

<3>简单图（数据结构中一般只讨论简单图）
一个图G若满足：
a.不存在重复边；
b.不存在顶点到自身的边
则称G为简单图。

<4>多重图
若图G中某两个结点之间的边数多于一条，又允许顶点通过同一条边与自己关联，则图G为多重图。

<5>完全图（亦称，简单完全图）
a.有向完全图
有向图中，若任意两个顶点之间存在方向相反的两条弧，则称改图为有向完全图；
含有n个顶点的有向完全图有n（n-1）条有向边。
b.无向完全图
无向图中，任意两个顶点之间存在无向边，则称改图为无向完全图。
含有n个顶点的无向完全图有n（n-1）/2条边。

<6>子图
假设有两个图G=（V，E），G‘ = （V’ ，E‘），而且，V’是V的子集，E’是E的子集，则G’是G的子图；
若V（G‘） = V（G）的子图G’，则将其成为Ｇ的生成子图。

<7>连通，连通图及其连通分量
在无向图中，若从顶点ｖ到顶点ｗ有路存在，则ｖ和ｗ是连通的；
若图Ｇ中，任意两个的顶点都是连通的，则称Ｇ为连通图，否则为非连通图；
无向图中的极大连通子图为连通分量。
若一个图含有ｎ个结点，并且边数小于ｎ－１，则此图是非连通图。

<8>强连通图、强连通分量
强连通：
在有向图中，若从顶点ｖ到ｗ和从顶点ｗ到顶点ｖ之间都存在路径，则称这两个顶点之间是强连通的；
若图中任意两个顶点之间都是强连通的，则称之为强连通图，有向图中的极大强连通子图称为有向图的强连通分量。

<9>生成树、生成森林
　连通图的生成树：
　 包含图中全部顶点的一个极小连通子图；
　在非连通图中，连通分量的生成树构成了非连通图的的生成森林。
　
<10>顶点的度、入度和出度
ａ、顶点的度：以该顶点为一个端点的边的数目，记为ＴＤ（ｖ）；
ｂ、入度：有向图中，以顶点ｖ为终点的有向边数目，即为ＩＤ（ｖ）；
ｃ、出度：有向图中，以顶点ｖ为起点的有向边数目，即为ＯＤ（ｖ），有向图顶点ｖ的度等于入度和出度之和：ＴＤ（ｖ）＝ＩＤ（ｖ）＋ＯＤ（ｖ）。

<11>边的权和网
在一个图中，每条边上的数值，称为该边的权值，这种带有权值的图称为带权图，也称网。

<12>稠密图、稀疏图（边数很少的图）
一般来说，图Ｇ满足｜Ｅ｜＜｜Ｖ｜ｌｏｇ｜Ｖ｜，则将之视为稀疏图，反之稠密图。

<13>路径、路径长度和回路
顶点ｖｐ与顶点ｖｑ之间的一条路径是指，顶点序列：ｖｐ，ｖ１，ｖ２．．．ｖｎ．ｖｑ；
路径上，边的数目称为路径长度；
第一个顶点与最后一个顶点相同的路径，称为回路或者环。
若一个图含有ｎ个结点，并且具有大于ｎ－１条边，则一定含有环。
<14>简单路径、简单回路
在路径序列中，定点不重复出现的路径，称为简单路径；
除了第一个和最后一个顶点外，其他顶点不会重复出现的回路，称简单回路。

<15>距离
从顶点ｕ到顶点ｖ的最短路径若是存在，则此路径的长度称为从ｕ到ｖ的距离；
若两个顶点之间不存在路径，则该距离记为无穷（∞）。
<16>有向树
一个顶点的入度为０、其余顶点的入度均为１的有向图，称有向树。

二、图的存储及其基本操作

１．邻接矩阵法

邻接矩阵储存，指的是用一个一维数组存储图中顶点的信息，用一个二维数组存储图中边的信息，存储顶点之间邻接关系的二维数组称为邻接矩阵。
结点数为n的图G=（V，E）的邻接矩阵是n*n的，将G的顶点编号为v1,v2,…vn。若（vi,vj）∈E,则A[i][j]=1,否则A[i][j]=0;
A[i][j] = 1,若组合（vi,vj）或者<vi,vj>是在E（G）中的边；A[i][j] = 0,若(vi,vj)或<vi,vj>不是在E（G）中的边。

图的邻接矩阵存储结构的定义如下：
#define MaxVertexNum 100 //定义图中存在的最大顶点数目
typedef char VertexType;	//顶点的数据类型
typedef int ElemType;		//带权图中边上权值的数据类型
typedef struct｛
	VertexType Vex[MaxVertexNum];			//顶点表
	ElemType Edge[MaxVertexNum][MaxVertexNum];		//邻接矩阵，边表
	int vexnum,arcnum;				//图当前的顶点数和弧数
	｝MGraph;

注：
a.若是简单应用，我们可以直接使用二维数组来表示图的邻接矩阵；
b.当邻接矩阵中元素只用来表示相应的边是否存在时，我们可以用0,1来定义上面的ElemType；
c.无向图的邻接矩阵便是对称矩阵，对于规模特别大的邻接矩阵可采用，压缩存储；
d.邻接矩阵表示法的空间复杂度时O（n^2）,其中，n为图的定点数|V|。
图的邻接矩阵表示法具有如下的特点：
a.无向图的邻接矩阵是一个对称矩阵，因此，实际存储时我们只需要存储上（或）下三角矩阵的元素；
b.对于无向图，邻接矩阵第i行（或第i列）的非零元素（或非无穷元素）个数正好是第i个顶点的度TD（vi）；
c.对于有向图，邻接矩阵第i行（或第i列）的非零元素（或非无穷元素）个数正好是第i个顶点的度出度OD（vi）,或入度ID（vi）；
d.采用邻接矩阵储存法，很容易确定两个顶点之间是否有边相连，但是，要确定图中含有多少条边，则必须按行、列对每个元素进行检查，因此，需要花费的代价很大；
e.稠密图，适合用邻接矩阵的存储表示；
f.假设图G的邻接矩阵为A，A^n的元素 A^n[i][j]等于由顶点i到顶点j的长度为n的路径的数目。

２．邻接表法

当图为稀疏图的时候，采用邻接矩阵法，会浪费大量的存储空间，而图的邻接表法结合了顺序存储和链式存储的方法，大大减少了不必要的浪费；
邻接表，指的是对于图G中，每个顶点建立一个单链表，对于第i个单链表的结点表示依附于顶点vi的边（对于有向图则是，以顶点vi为尾的弧），这个单链表就称为顶点vi的边表（对于有向图则是出边表）。
边表的头指针和顶点的数据信息采用顺序存储（称为，顶点表），所以会在邻接表中存在两种结点：
顶点表结点和边表结点。
顶点表：

顶点域	边表头指针
data	firstarc

边表：

邻接点域	指针域
adjvex	nextarc

顶点表结点，由顶点域（data）和指向第一条邻接边的指针（firstarc）构成，边表（邻接表）结点由邻接点域（adjvex）和指向下一条邻接边的指针域(nextarc)构成。
无向图和有向图的邻接表实例分别如下：

图的邻接表存储结构定义如下：
#define MaxVertexNum 100	//定义图中顶点数目的最大值
typedef struct ArcNode{
   		//边表的结点
	int adjvex;				//该弧所指向的顶点的位置
	struct ArcNode *next;	//指向下一条弧的指针
	加粗样式//InfoType info;		//网的边权值
}ArcNode;

typedef struct VNode{
   		//顶点表的结点
		VertexType data;	//顶点信息
		ArcNode *first;		//指向第一条依附该顶点的弧的指针
		}VNode,AdjList[MaxVertexNum];

typedef struct{
   
		AdjList vertices;	//邻接表
		int vexnum,arcnum;	//图的顶点数和弧数
		}ALGraph;			//ALGraph是以邻接表存储的图类型

图的邻接表存储方法具有以下特点：
a.若G是无向图，则所需的存储空间为O|V| + 2|E|），2是因为，在无向图中，每条边在邻接表中出现了两次，若G是有向图，则所需的空间为O（|V| + |E|）；
b.稀疏图，使用邻接表法可极大地节省存储空间；
c.在邻接表中，给定一个顶点，很容易找到其所有的临边，因为它只需要读取邻接表即可；
而若是在邻接矩阵中，相同的操作则需要扫描一行，花费时间为O（n）;
若是想