【数据结构与算法】-＞数据结构-＞图

Ⅰ 前言

相信大家都用过微信、微博、QQ 这些社交软件中的一个，在微信和QQ中，两个人可以互相加为好友；在微博中，两个人可以互相关注。那么，我们要如何存储微信、微博这些社交网络的好友关系呢？

这就要用到我们这篇文章中要讲的一个数据结构——图。实际上，涉及图的算法有很多，也非常地复杂，比如图的搜索、最短路径、最小生成树、二分图等等等等……

这篇文章我们聚焦在图上，先把图这个数据结构拿下，在后面的文章里，我会详细讲解关于的图的算法。

在我刚开始学图的时候，是很吃力的，主要是学校的教材非常绕，让我一直摸不着头脑，然后很快就放弃了。所以希望这篇文章不要给你们这种感觉，尽量饶有趣味地搞懂这个数据结构。

Ⅱ 如何理解“图”？

在前面的文章里，我讲过一个非线性表数据结构，就是树。图和树一样，也是一种非线性表数据结构，并且更加复杂。

我们知道，树中的元素我们称为节点，图中的元素我们就叫做顶点（vertex）。从下面的图中可以看出，图中的一个顶点可以任意其他顶点建立连接关系。我们把这种建立的关系叫作边（edge）。

我们生活中就有很多符合图这种结构的例子，比如社交网络，就是一个非常典型的图结构。

我们就用微信来举例子，可以把每个用户看作是一个顶点。如果两个用户之间互相加了好友，那就在两者之间建立一条边。所以，整个微信的好友关系就可以用一张图来表示。其中，每个用户有多少好友，对应到图中，就叫做顶点的度（degree），就是跟顶点相连接的边的条数。

然后我们再看微博。微博和微信我们知道好友之间的关系是不一样的，微博可以单向关注，也就是说用户 A 关注了用户 B，但用户 B 可以不关注用户 A，那我们如何来表示这种单向的社交关系呢？

我们可以把上面的图的结构稍微改造一下，引入边的方向的概念。

如果用户 A 关注了用户 B，我们就在图中画一条从 A 到 B 的带箭头的边，来表示边的方向。如果用户 A 和用户 B 互相关注了，那我们就画一条从 A 到 B 的带箭头的边，再画一条从 B 指向 A 的边。我们把这种边有方向的图叫做 “有向图”。那，边没有方向的图就叫做 “无向图”。

前面我们说了 度 这个概念，表示一个顶点有多少条边。在有向图中，我们把度分为 入度（In-degree） 和 出度（Out-degree）。

顶点的入度，表示有多少条边指向这个顶点；
顶点的出度，表示有多少条边是以这个顶点为起点指向其他顶点。

对应到微博的例子，入度就表示有多少粉丝，出度就表示关注了多少人。

说完了微信、微博，我们再来看 QQ。

QQ 中的社交关系要更复杂一点。不知道你有没有留意过，QQ还有个亲密度的功能。QQ 不仅记录了用户之间的好友关系，还记录了两个用户之间的亲密度。如果两个用户经常往来，亲密度就比较高；如果两个用户不经常往来，亲密度就比较低。

我现在已经不怎么用 QQ 了，刚找了一下和我女朋友的亲密度

看来这个算的还是不那么精准。（手动狗头）

回到正题，那我们在图中要如何记录这种好友关系的亲密度呢？

这就要用到另一种图，带权图（weighted graph）。在带权图中，每条边都有一个权重（weight），我们可以通过这个权重来表示 QQ 好友间的亲密度。