图

图（Graph）：图G由两个集合构成，记作G=<V,E>  

其中V是顶点的非空有限集合，E是边的有限集合，其中边是顶点的无序对或有序对集合。

无向图（Digraph）：在图G中，若所有边是无向边，则称G为无向图；

有向图（Undigraph）：在图G中，若所有边是有向边，则称G为有向图；<v,w>，v为弧尾，w为弧头。

混和图：在图G中，即有无向边也有有向边，则称G为混合图；

网络：与边相关的数据成为权，边上带权的图称为网络。

邻接点：边的两个顶点。

关联边：若边e=(v,u)，则称顶点v、u关联边e。

顶点v的入度=以v为终点的有向边的数量。

顶点v的出度=以v为起点的有向边的数量。

顶点v的度=v的入度+v的出度

图的所有顶点的度数和=2*边的数量

简单路径：在一条路径中，若除起点和终点外，所有顶点各不相同。

由简单路径组成的回路称为简单回路。

连通图（强连通）：在有向（无向）图G中，若对任何两个顶点u、v都存在从u到v的路径。

子图：设有两个图G=（V，E）、G1=（V1，E1），若V1包含于  V，E1 包含于 E，E1关联的顶点都在V1中，则称 G1是G的子图；

连通分量（强连通分量）：

无向图G 的极大连通子图称为G的连通分量。 极大连通子图意思是：该子图是 G 连通子图，将G 的任何不在该子图中的顶点加入，子图不再连通。

生成树：包含无向图G 所有顶点的的极小连通子图称为G 的生成树。

极小连通图：该子图是G 的连通子图，在该子图中删除任何一条边，子图不再连通。

生成树含有全部n个顶点，但只有n-1条边。而且没有回路，再加一条边必然形成回路。

在生成树中任意两个顶点间的路径是唯一的。

无向完全图：有n（n-1）/2条边（图中每个顶点和其余n-1个顶点都有边相连）的无向图。

有向完全图：有n（n-1）条边（图中每个顶点和其余n-1个顶点都有弧相连）的有向图。

稀疏图：对于有很少条边的图（e < n log n）称为稀疏图，反之称为稠密图。 

图的存储方法：

邻接矩阵（无向）：

无向图的邻接矩阵是对称的。

顶点i的度=第i行（列）中1的个数。

完全图的邻接矩阵中，对角元素为0，其余全部是1。

邻接矩阵（有向）：

有向图的邻接矩阵可能是不对称的。

顶点vi的出度=第i行元素之和。

顶点vi的入度=第i列元素之和。

顶点的度=第i行元素之和+第i列元素之和。

优点：很容易实现图的操作。

缺点：空间效率低，特别是稀疏图。

邻接表：

顶点通常按编号顺序将顶点数据存储在一维数组中。

关联同一顶点的边：用线性链表存储。

优点：空间效率高，容易寻找顶点的邻接点。

缺点：判断两个顶点间是否有边或弧，需搜索两结点对应的单链表，没有邻接矩阵方便。

邻接矩阵多用于稠密图的存储，而邻接表多用于稀疏图的存储。

对于任一确定的无向图，邻接矩阵是唯一的（行列号与顶点编号一致），但邻接表不唯一（链接次序与顶点编号无关）。

图的遍历：从图中的某个顶点出发，按某种方法对图中的所有顶点访问且仅访问一次。 

为了保证图中的各顶点在遍历过程中访问且仅访问一次，需要为每个顶点设一个访问标志，用以标示图中每个顶点是否被访问过，访问标志用数组visited[n]来表示。 

图常用的遍历方法有两种：深度优先搜索、广度优先搜索

深度优先搜索（DFS）的基本方法（类似二叉树的先序遍历）：从图的某一顶点V0出发，访问此顶点；然后依次从V0的未被访问的邻接点出发，深度优先遍历图，直至图中所有和V0相通的顶点都被访问到；若此时图中尚有顶点未被访问，则另选图中一个未被访问的顶点作起点，重复上述过程，直至图中所有顶点都被访问为止。

广度优先搜索（BFS）的基本方法（类似树的层次遍历）：从图的某一顶点V0出发，访问此顶点后，依次访问V0的所有未曾访问过的邻接点；然后分别从这些邻接点出发，广度优先遍历图，直至图中所有已被访问的顶点的邻接点都被访问到；若此时图中尚有顶点未被访问，则另选图中一个未被访问的顶点作起点，重复上述过程，直至图中所有顶点都被访问为止。

最小生成树：如果无向连通图是一个带权图，那么它的所有生成树中必有一棵边的权值总和为最小的生成树。

构造最小生成树：

普里姆Prim算法的基本思想：

设N=(V,{E})是连通网， T=(U,{TE})是N上最小生成树
初始令U={u0},(u0属于V), TE=空集
在所有u属于U,v属于V-U的边(u,v)属于E中，
找一条代价最小的边(u0,v0)
将(u0,v0)并入集合TE，同时v0并入U
重复上述操作直至U=V为止，则T=(V,{TE})为N的最小生成树，共重复n-1次。