你的指尖有改变世界的力量

本文介绍了图数据结构的基本概念及其应用。图作为最复杂的数据结构，广泛应用于现实问题如地铁线路规划和状态转换问题求解。文章详细阐述了12个重要图论概念：度、入度、出度、自环、平行边、简单图、完全图、团、汉密尔顿路径/回路/图、补图和自补图。其中，汉密尔顿问题和旅行商问题仍是未解决的数学难题。文章通过图示和定义说明了各类图的性质，如简单图不含自环和平行边，完全图所有节点互连，自补图与其补图同构等。这些基础概念为理解复杂图算法奠定了基础。

主要介绍加权图、无权图、有向图、无向图，并特别介绍有向无环图。

主要介绍邻接矩阵和邻接数组(列表)两种主流的存储方式。

介绍了握手定理，并给出了证明过程

详细介绍欧拉图论定理并给出证明过程！

介绍了狄拉克定理，并详细证明了狄拉克定理。

摘要：Ore定理指出，在n个节点（n>2）的简单图中，若任意两个非相邻节点的度数和≥n，则该图是哈密尔顿图。证明采用反证法，通过逐步加边构造哈密尔顿图，利用鸽巢原理推导出矛盾。该定理推广了1952年的Dirac定理，但条件较为苛刻。1962年提出的Ore定理展现了数学从特殊到一般的十年探索历程，反映了数学发展的艰难性。

介绍了惠特尼不等式，并给出了证明。

介绍了欧拉图论公式及用数学归纳法证明的过程。

详细解释了1981年Thomassen是怎么用三种场景证明了库拉托夫斯基定理。

介绍了四色定理的历史以及图论和拓扑学的研究方法，期待数学天才出现。

通过三个定理作为基础铺垫，证明了Heawood1890年提出的五色定理。

介绍网络流的基本概念，并且给出最大流最小割定理的证明过程。

介绍了拉姆齐逝世前一年(1929)发现的图论定理，给出了证明过程。

介绍了树的BFS搜索与python实现

介绍了图的三色标记DFS的三种场景以及python实现。

介绍了使用DFS算法在有向图和无向图中检测环的算法，DFS使用递归来实现。

介绍单元最短路径BFS算法，并给出java与python实现

简单介绍著名的dijkstra算法

可能是C站第一个专讲D'Esopo-Pape算法的博文，本文有图有代码有测试用例。

摘要：Floyd-Warshall算法用于计算带权图中所有顶点间的最短路径，适用于存在负权边但不含负权环的图。该算法采用动态规划思想，通过三维数组存储中间结果，其中D(k)[i][j]表示顶点i到j且中间顶点不超过k的最短路径。递归公式为D(k)[i][j] = min(D(k-1)[i][j], D(k-1)[i][k] + D(k-1)[k][j])。算法从初始化邻接矩阵开始，逐步迭代计算直至包含所有顶点。文中给出了Python实现代码，并通过实例演示了算法过程。

摘要： Bellman-Ford算法用于计算含负权重边图的最短路径，但不能处理负权重环（会导致路径无限趋近负无穷）。其核心是通过松弛操作（比较当前路径与新路径）更新距离数组，时间复杂度为O(mn)。Python实现展示了算法步骤，包括初始化、松弛循环和负权重环检测。与SPFA、Johnson算法相比，Bellman-Ford稳定性高但效率较低，适用于含负权边但无负权环的图。测试案例验证了算法在特定图中的有效性。

CSDN上少有的讲解Johnson算法证明过程的文章。不讲证明过程，怎么体会伸缩数列之美？

介绍经典的Ford-Fulkerson最大流算法，有图文例子，有python代码！

详细介绍了Dinitz算法的实现过程

介绍了push-relabel算法，并给出python实现

介绍Prim算法的原理，给出了案例分析和Python，帮助大家快速理解Prim算法

以实例讲解了如何使用并查集实现kruskal算法，并给出python实现

数据结构最后一篇博文，讲述最小生成树反向删除算法，有案例，有python实现。

用例子和python代码来讲述boruvka算法过程

本文介绍了Sharir-Kosaraju算法（简称Kosajaru算法）用于计算有向图的强连通分量(SCC)。强连通分量是指图中任意两点可以双向到达的极大子图，可以是环、相邻环、反向平行边或单独节点。该算法分为三步：1)DFS计算节点完成时间；2)生成逆图；3)在逆图上按完成时间降序DFS，找出所有强连通分量。文章通过图示详细演示了算法过程，并提供了Python实现代码，包括图的表示、DFS时间戳计算和逆图处理。算法结果可用于图的凝结(condensation)简化。

Tarjan算法用于寻找有向图中的强连通分量(SCC)，通过DFS遍历时维护发现时间戳(disc)和低连接值(low)来实现。当节点遇到回边时更新low值，若low值与disc值相等则形成一个SCC。文章通过图示详细展示了算法执行过程，并提供了Python实现代码，包括节点状态管理(未访问、已访问、已完成、已弹出)和SCC提取逻辑。测试代码验证了算法在示例图上的正确性，能准确识别图中的各个强连通分量。

详细介绍了拓扑排序的BFS算法(也叫Kahn算法)，并附带Java与Python实现。

本文介绍了基于三色标记DFS的拓扑排序算法。算法使用白、灰、黑三色标记节点状态：白色表示未访问，灰色表示正在处理，黑色表示已完成。通过栈结构实现DFS遍历，将完成节点插入链表头部，最终形成拓扑序列。文章提供了Python实现代码，包含UnweightedGraph类和拓扑排序方法，并通过两组测试数据（无环和有环图）验证算法正确性。同时指出三色标记法不适合检测环路，建议使用额外路径标记数组优化环检测性能。测试案例展示了算法在"赚钱-买房-结婚"等场景下的应用。