图之表示和遍历

学习笔记！！！！！

一、什么是图（Graphy）？

表示“多对多”的关系，包含一组顶点（V表示顶点集合）和一组边（E表示边的集合）。

边是顶点对：(v,w)属于E，其中v,w属于V

有向边<v,w>表示从v指向w的边,不考虑重边和自回路。

图的数据对象集：G(V,E)由一个非空的有限顶点集合v和一个有限边集合E组成。注意，图可以没有边，但至少会有一个顶点。（可以N个顶点，但没有一条边，这也是图）（树可以没有任何节点--空树）

二、使用邻接矩阵表示图

邻接矩阵G[N][N]--N个顶点从0到N-1编号，G[i][j]=1,如果<vi,vj>是G的边，否则为0。但对于无向图邻接矩阵的存储会浪费一半的空间，可以使用一个疮毒为N(N+1)/2的一位数据来存储。

对于网络，G[i][j]值为两点之间边的权重。

度：从某点发出的边数--出度，指向该点的边数--入度。

无向图：对应行或列非0元素个数；

有向图：对应行非0元素个数为出度，对应列非0元素个数为入度。

无向完全图：对于n个顶点的无向图，若有2(n-1)/2条边，则为无向完全图。

三、使用邻接表表示图

邻接表：G[N]为指针数组，对应矩阵每行一个链表，只存非0元素。某顶点指针依次指向所有其相连的节点。

需要空间：需要N个头指针+2E个结点（每个结点至少2个域）

注意：邻接表若边数E<N(N-1)/4时是节省空间的，但大于时，节省效果反而不好。也就是说邻接表适合够稀疏的图。

邻接表方便计算无向图顶点的度和有向图顶点的出度，二入度的计算需要构造“逆邻接表”。

邻接表不易检查任意一对顶点间是否存在边。

用邻接表表示有 个顶点、条边的图，则遍历图中所有边的时间复杂度为——O(N+E)

四、图的遍历

深度优先搜索（DFS）：类似树的先序遍历

DFS 在访问图中某一起始顶点 v 后，由 v 出发，访问它的任一邻接顶点 w1；再从 w1 出发，访问与 w1邻 接但还没有访问过的顶点 w2；然后再从 w2 出发，进行类似的访问，… 如此进行下去，直至到达所有的邻接顶点都被访问过的顶点 u 为止。接着，退回一步，退到前一次刚访问过的顶点，看是否还有其它没有被访问的邻接顶点。如果有，则访问此顶点，之后再从此顶点出发，进行与前述类似的访问；如果没有，就再退回一步进行搜索。重复上述过程，直到连通图中所有顶点都被访问过为止。    

DFS时间复杂度：

用邻接图：O(N+E)；用邻接矩阵：O(N*N)

广度优先搜索（BFS）：类似于树的层序遍历，程序中借助队列。

从图中的某个顶点V出发，访问之，并将其访问标志置为已被访问，即visited[i]=1；依次访问顶点V的各个未被访问过的邻接 点，将V的全部邻接点都访问到；分别从这些邻接点出发，依次访问它们的未被访问过的邻接点，并使“先被访问的顶 点的邻接点”先于“后被访问的顶点的邻接点”被访问，直到图中所有已被访问过的顶 点的邻接点都被访问到。依此类推，直到图中所有顶点都被访问完为止 。

BFS时间复杂度：

用邻接图：O(N+E)；用邻接矩阵：O(N*N)

BFS:对于解决最短或最少问题特别有效，而且寻找深度小，但缺点是内存耗费量大（需要开大量的数组单元用来存储状态）。

DFS：对于解决遍历和求所有问题有效，对于问题搜索深度小的时候处理速度迅速，然而在深度很大的情况下效率不高

顶

连通：如果从V到W存在一条（无向）路径，则称V和W是连通的
路径：V到W的路径是一系列顶点{V, v1, v2, …,vn , W}的集合，其中任一对相邻的顶点间都有图中的边。

路径的长度是路径中的边数（如果带权，则是所有边的权重和）。

如果V到W之间的所有顶点都不同，则称简单路径.

 回路：起点等于终点的路径

连通图：图中任意两顶点均连通（图中任意两个节点，都能找到路径，一个节点的图也是连通图，其连通分量有1个）

连通分量： 无向图的极大连通子图（该子图是连通的，并且再加一个节点后，该子图就不连通了）
该连通分量的极大顶点数：再加1个顶点就不连通了
该连通分量的极大边数：包含子图中所有顶点相连的所有边

强连通： 有向图中顶点V和W之间存在双向路径，则称V和W是强连通的（v到w有路径，同事w到v也能找到路径）
强连通图：有向图中任意两顶点均强连通
强连通分量：有向图的极大强连通子图

具有N（>0）个顶点的无向图至少有1个连通分量。（一个节点的图有1个连通分量）

具有N（>0）个顶点的无向图最多有N个连通分量。（该图只有N个顶点，任意顶点间无边）

树是最小的连通图，少一条边便不连通