图解图论介绍及应用（2）：图的表示的介绍

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”

---

作者：Vardan Grigoryan

编译：ronghuaiyang

导读

知识图谱是AI领域非常有用的一种工具，知识图谱的基础就是图论，从今天开始，给大家介绍一些图论的基础内容，今天是第2篇，图的表示的介绍。

这是一项相当乏味的工作，所以要有耐心。还记得数组和链表之争吗？如果需要快速的元素访问，可以使用数组，如果需要快速的元素插入/删除，可以使用列表。但是，我相信你从来没有纠结于“如何表示列表”之类的东西。不过，对于图形来说，实际的表示是很麻烦的，因为首先你应该决定如何准确地表示一个图。相信我，你不会喜欢这样的。邻接列表，邻接矩阵，还是边列表？要不扔个硬币试试？

你估计是扔的太用力了，因为我们会从树开始。你一定见过二叉树(简称BT)(下面的图不是二叉搜索树)。

因为它由顶点和边组成，所以它是一个图。你可能还记得最常见的二叉树是如何表示的(至少在教科书中是这样)。

对于已经熟悉二叉树的人来说，它似乎太基础了，但是我仍然需要说明它，以确保我们在同一个基础上(注意，我们仍然在处理伪代码)。

如过你之前没有接触过树，请仔细阅读上面的伪代码，然后按照下图中的步骤进行操作。

颜色只是为了可视化

二叉树是一个简单的节点“集合”，每个节点都有左子节点和右子节点。二叉搜索树更有用，因为它应用了一个简单的规则，允许快速键值查找。二叉搜索树(BST)保持键值的排序顺序。你可以自由地使用任何你想要的规则来实现BT(尽管它可能会根据规则更改其名称，例如，min-heap或max-heap)。BST最重要的期望是它满足二分查找属性(这就是名称的来源)。每个节点的键值必须大于其左子树中的所有的值，小于其右子树中的所有的值。

关于"大于"这个命题这对于理解BST的功能非常重要。当你将属性更改为“大于或等于”时，BST将能够在插入新节点时保存重复的键值，否则它将只保留具有唯一键值的节点。你可以在网上找到关于二叉搜索树的许多好文章。我这里不会提供一个二叉搜索树的完整实现，但是为了保持一致性，我们将在这里演示一个简单的二叉搜索树。

— END—

英文原文：https://medium.com/free-code-camp/i-dont-understand-graph-theory-1c96572a1401

请长按或扫描二维码关注本公众号

喜欢的话，请给我个好看吧！