图的两种存储方式：邻接表、邻接矩阵

图的两种存储方式：邻接表、邻接矩阵

图的存储结构主要分两种，一种是邻接矩阵，一种是邻接表。

1.邻接矩阵

图的邻接矩阵存储方式是用两个数组来表示图：一个一维数组存储图中顶点信息，一个二维数组（邻接矩阵）存储图中的边或弧的信息。

设图G有n个顶点，则邻接矩阵是一个 $n\ast n$ 的方阵，定义为：

$$arg[i][j]=\{\begin{array}{rl}1，& 若(v_i,v_j)\in E<v_i,v_j>\in E\\ 0，& 若(v_i,v_j)\notin E<v_i,v_j>\notin E\end{array}$$

看一个实例，下图左就是一个无向图。

从上面可以看出，无向图的边数组是一个对称矩阵。所谓对称矩阵就是 $n$ 阶矩阵的元满足 $a_{ij}=a_{ji}$。即从矩阵的左上角到右下角的主对角线为轴，右上角的元和左下角相对应的元全都是相等的。从这个矩阵中，很容易知道图中的信息。

1. 要判断任意两顶点是否有边无边就很容易了；
2. 要知道某个顶点的度，其实就是这个顶点 $v_i$ 在邻接矩阵中第 $i$ 行或（第 $i$ 列）的元素之和；
3. 求顶点 $v_i$ 的所有邻接点就是将矩阵中第i行元素扫描一遍，$arc[i][j]$为1就是邻接点；

有向图讲究入度和出度，顶点 $v_i$ 的入度为1，正好是第 $i$ 列各数之和。顶点 $v_i$ 的出度为2，即第 $i$ 行的各数之和。

若G是网图，有 $n$ 个顶点，则邻接矩阵是一个$n\ast n$的方阵，定义为：
$$arg[i][j]=\{\begin{array}{rl}{W}_{ij}，& 若(v_i,v_j)\in E<v_i,v_j>\in E\\ 0，& 若i=j\\ \infty ，& 反\end{array}$$

2.邻接表
邻接矩阵是不错的一种图存储结构，但是，对于边数相对顶点较少的图，这种结构存在对存储空间的极大浪费。因此，找到一种数组与链表相结合的存储方法称为邻接表。

邻接表的处理方法是这样的：

• 图中顶点用一个一维数组存储，当然，顶点也可以用单链表来存储，不过，数组可以较容易的读取顶点的信息，更加方便;
• 图中每个顶点 $v_i$ 的所有邻接点构成一个线性表，由于邻接点的个数不定，所以，用单链表存储，无向图称为顶点 $v_i$ 的边表，有向图则称为顶点 $v_i$ 作为弧尾的出边表。

例如，下图就是一个无向图的邻接表的结构。

从图中可以看出，顶点表的各个结点由data和first_edge两个域表示，data是数据域，存储顶点的信息，first_edge是指针域，指向边表的第一个结点，即此顶点的第一个邻接点。边表结点由adjvex和next两个域组成。adjvex是邻接点域，存储某顶点的邻接点在顶点表中的下标，next则存储指向边表中下一个结点的指针。

对于带权值的网图，可以在边表结点定义中再增加一个 weigt 的数据域，存储权值信息即可。如下图所示。
)

3.两者区别

1. 对于一个具有 $n$ 个顶点 $e$ 条边的无向图：它的邻接表表示有$n$个顶点表结点 2$e$ 个边表结点；
2. 对于一个具有$n$个顶点$e$条边的有向图：它的邻接表表示有$n$个顶点表结点$e$个边表结点；
3. 如果图中边的数目远远小于 $n^2$ 称作稀疏图，这是用邻接表表示比用邻接矩阵表示节省空间；
4. 如果图中边的数目接近于$n^2$,对于无向图接近于 $n\ast (n-1)$ 称作稠密图,考虑到邻接表中要附加链域，采用邻接矩阵表示法为宜。