数据结构——邻接矩阵/邻接表

1. 图

图是一种非线性数据结构，由「节点（顶点）vertex」和「边 edge」组成，每条边连接一对顶点。根据边的方向有无，图可分为「有向图」和「无向图」。本文 以无向图为例开展介绍。

如下图所示，此无向图的 顶点 和 边 集合分别为：

顶点集合： vertices = {1, 2, 3, 4, 5}
边集合： edges = {(1, 2), (1, 3), (1, 4), (1, 5), (2, 4), (3, 5), (4, 5)}

表示图的方法通常有两种：

• 邻接矩阵
• 邻接表

2. 邻接矩阵

• 用数组 vertices存储顶点，邻接矩阵 edges 存储边
• edges[i][j]代表节点 i + 1 和 节点 j + 1之间是否有边
  

int[] vertices = {1, 2, 3, 4, 5};
int[][] edges = {{0, 1, 1, 1, 1},
                 {1, 0, 0, 1, 0},
                 {1, 0, 0, 0, 1},`在这里插入代码片`
                 {1, 1, 0, 0, 1},
                 {1, 0, 1, 1, 0}};

3. 邻接表

• 使用数组 vertices存储顶点，邻接表 edges 存储边。
• edges为一个二维容器，第一维 i 代表顶点索引，第二维 edges[i]存储此顶点对应的边集和；
• 例如 edges[0] = [1, 2, 3, 4]代表 vertices[0] 的边集合为 [1, 2, 3, 4] 。

int[] vertices = {1, 2, 3, 4, 5};
List<List<Integer>> edges = new ArrayList<>();

List<Integer> edge_1 = new ArrayList<>(Arrays.asList(1, 2, 3, 4));
List<Integer> edge_2 = new ArrayList<>(Arrays.asList(0, 3));
List<Integer> edge_3 = new ArrayList<>(Arrays.asList(0, 4));
List<Integer> edge_4 = new ArrayList<>(Arrays.asList(0, 1, 4));
List<Integer> edge_5 = new ArrayList<>(Arrays.asList(0, 2, 3));
edges.add(edge_1);
edges.add(edge_2);
edges.add(edge_3);
edges.add(edge_4);
edges.add(edge_5);

4. 邻接矩阵 VS 邻接表

邻接矩阵的大小只与节点数量有关，即 N^2，其中 N 为节点数量。因此，当边数量明显少于节点数量时，使用邻接矩阵存储图会造成较大的内存浪费。

• 邻接表适合存储稀疏图（顶点较多、边较少）
• 邻接矩阵 适合存储稠密图（顶点较少、边较多）