图的基本概念

前言

在学习计算机网络的时候，老师也提到了几种最短路径算法，用来计算一个节点到另一个节点的route，例如dijkstra，bellman-ford（我给它起外号叫铃铛人算法hhhhhh），现在就来顺便全面复习一波图吧。

基本概念

图中的每一个元素我们称之为顶点，每一个顶点和其他的顶点之间有边作为联系，边可以有权重来表示比如距离，关系远近等属性，一个顶点有几条边被称之为顶点的度是多少，我们可以把图按照边有没有方向分为有向图和无向图。对有向图来说，顶点可以指向其他几个顶点，也可以被其他顶点指向，也就有了出度（指出去）和入度（被指向）的说法。我们还可以根据图中边和顶点的数量比例来把图分为稀疏图和稠密图

如何优雅地存储一张图

先来张图片

邻接矩阵

所谓邻接矩阵就是一个二维数组，二维数组的下标即代表顶点，二维数组中的值G[i][j]就代表了顶点i到顶点j的权重。说到这大家应该能很明显地发现，如果是无向图，也就是不存在方向这个维度，那么G[i][j]和G[j][i]的值应该是一样的。尽管邻接矩阵存储一张图十分简单，取边及边的权重非常容易，但是它如果用于稀疏图或无向图，其实浪费了挺多的空间。

邻接表

邻接表类似之前哈希表的那种结构，它的优点和缺点正好与邻接矩阵相反。对于邻接表来说，它对稀疏图和无向图节省了不少空间，但是如果图比较大，顶点很多，那么查找一个顶点和另一个顶点间有无边的时间复杂度就会很高，因为要通过链表一个一个遍历过去。不过，这时候我们可以借助一些别的数据结构来尽量提升搜索的效率。