数据结构（二）图

图就是由 顶点的有穷非空集合 和 顶点之间的边 组成的集合。通常表示为：G(V,E)，其中，G表示一个图，V表示顶点的集合，E表示边的集合。

1 线性结构、树形结构、图三者的区别：

• 线性数据结构的元素满足唯一的线性关系，每个元素(除第一个和最后一个外)只有一个直接前趋和一个直接后继。
• 树形数据结构的元素之间有着明显的层次关系。
• 图形结构的元素之间的关系是任意的。

2 图的基本概念

图的应用非常广泛，比如在社交软件上的好友关系，就可以用图来表示。

2.1 顶点

图中的数据元素，我们称之为顶点，图至少有一个顶点（非空有穷集合），对应到好友关系图，每一个用户就代表一个顶点。

2.2 边

顶点之间的关系用边表示。对应到好友关系图，两个用户是好友的话，那两者之间就存在一条边。

2.3 度

度表示一个顶点包含多少条边。在有向图中，还分为出度和入度，出度表示从该顶点出去的边的条数，入度表示进入该顶点的边的条数。对应到好友关系图，度就代表了某个人的好友数量。

2.4 无向图和有向图

无向图：边表示的是顶点之间的关系，有的关系是双向的，就不用去关注方向，即不用带箭头的边表示，这样的图就是无向图。比如：同学关系，A是B的同学，那么B也肯定是A的同学，那么在表示A和B的关系时，就不用关注方向。

有向图：边表示的是顶点之间的关系，有的关系是有方向的，我们就需要用带箭头的边表示其关系，这样的图就是有向图。比如：父子关系，师生关系，微博的关注关系，A是B的爸爸，但B肯定不是A的爸爸，A关注B，B不一定关注A。

2.5 无权图和带权图

无权图：对于一个关系，如果我们只关心关系的有无，而不关心关系有多强，那么就恶意用 无权图 来表示二者之间的关系。

带权图：对于一个关系，如果我们既关心关系的有无，也关心关系的强度，那么就用带权图来表示（比如：描述地图上两个城市的关系，需要用到距离）。带权图中的每一条边都有一个数值表示权值，代表关系的强度。

3 图的存储

• 邻接矩阵存储
• 邻接表存储

3.1 邻接矩阵存储

邻接矩阵存储，是指将图以二维矩阵的方式 来进行存储，是一种较为直观的存储方式。

如果第 i 个顶点和第 j 个顶点之间有关系，且关系权值为 n，则 A[i][j] = n 。

无向图中的存储：我们只关心关系的有无，所以当顶点 i 和顶点 j 有关系时，A[i][j] = 1；当顶点 i 和顶点 j 没有关系时，A[i][j] = 0。如下图所示：

值得注意的是：无向图的邻接矩阵是一个对称矩阵，因为在无向图中，顶点i和顶点j有关系，则顶点j和顶点i必有关系。

邻接矩阵存储的方式优点：是简单直接（直接使用一个二维数组即可），并且在获取两个顶点之间的关系的时候也非常高效（直接获取指定位置的数组元素的值即可）。

邻接矩阵存储的方式缺点：就是比较浪费空间。

3.2 邻接表存储

介于邻接矩阵比较浪费内存空间，于是诞生了图的另外一种存储方式：邻接表存储。

邻接链表是用一个链表来存储某个顶点的所有后继相邻顶点。对于图中每个顶点Vi，把所有邻接于Vi的顶点Vj链成一个单链表，这个单链表称为顶点Vi的 邻接表。如下图所示：

 大家可以数一数邻接表中所存储的元素的个数以及图中边的条数，你会发现：

• 在无向图中，邻接表元素个数等于边的条数的 2 倍，如上图所示的无向图中，边的条数为7，邻接表存储的元素个数为14。
• 在有向图中，邻接表元素个数等于边的条数，如右图所示的有向图中，边的条数为8，邻接表存储的元素个数为8。

4 图的搜索

• 广度优先搜索
• 深度优先搜索

4.1 广度优先搜索

广度优先搜索，就像水面上的波纹一样，一层一层的向外扩展，如下图所示:

广度优先搜索的具体实现方式用到了之前所学过的线性数据结构——队列 。具体过程如下图所示：

4.2 深度优先搜索

深度优先搜索就是“一条路走到黑”，从源顶点开始，一直走到没有后继节点，才回溯到上一顶点，然后继续“一条路走到黑”，如下图所示：

和广度优先搜索类似，深度优先搜索的具体实现用到了另一种线性数据结构——栈 。具体过程如下图所示：