表示图的三种方法-CSDN博客

本文详细介绍了三种图数据结构——边集列表（EdgeList）、邻接矩阵（AdjacencyMatrices）和邻接列表（AdjacencyLists），包括它们的表示方法、优缺点及应用场景。通过对比这些图结构的特点，读者可以更好地理解每种结构的适用场景。

摘要由CSDN通过智能技术生成

（原址）

三标准：

图结构占用的空间
确定图的一条给定边界花费的时间
从给定节点处找到邻居花费的时间

Edge List

以[v,w]为元素的列表，其中v，w为节点编号，每个元素表示一条边；
如果有权重，则元素形式为[v,w,k]
缺点：搜索某一特定边缘，必须进行遍历，最坏情况需要遍历完整个列表（不满足标准2）
表示方法：
```[ [0,1], [0,6], [0,8], [1,4], [1,6], [1,9], [2,4], [2,6], [3,4], [3,5],
[3,8], [4,5], [4,9], [7,8], [7,9] ]


###Adjacency Matrices（邻接矩阵）
 - 若图有V个节点，那么图的邻接矩阵为V*V大小。
 - 若边界(i,j)存在，则对应矩阵元素值为1，否则为0。
 - 如果有权重，矩阵元素值为权重，可能为`null`
 - 无向图的邻接矩阵是对称的；有向图的邻接矩阵无需对称。
 - **缺点**1：所需存储空间大（特别是在稀疏图中）
 - **缺点**2: 搜索给定顶点的邻居时需要遍历一整行的V个节点（特别是邻居稀少时），花费的时间多，得到的结果少。
![](http://images2017.cnblogs.com/blog/1211148/201802/1211148-20180213223931374-425190949.png)
表示方法：

[ [0, 1, 0, 0, 0, 0, 1, 0, 1, 0],
[1, 0, 0, 0, 1, 0, 1, 0, 0, 1],
[0, 0, 0, 0, 1, 0, 1, 0, 0, 0],
[0, 0, 0, 0, 1, 1, 0, 0, 1, 0],
[0, 1, 1, 1, 0, 1, 0, 0, 0, 1],
[0, 0, 0, 1, 1, 0, 0, 0, 0, 0],
[1, 1, 1, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0, 0, 0, 1, 1],
[1, 0, 0, 1, 0, 0, 0, 1, 0, 0],
[0, 1, 0, 0, 1, 0, 0, 1, 0, 0] ]


###Adjacency Lists （邻接列表）
 - 对于每个顶点，拥有一个邻接列表，包含所有邻居节点。
 - 如果有权重，邻接列表中每个元素由两个数组成：顶点，权重
![](http://images2017.cnblogs.com/blog/1211148/201802/1211148-20180213224000656-1777970305.png)
表示方法：

[ [1, 6, 8],
[0, 4, 6, 9],
[4, 6],
[4, 5, 8],
[1, 2, 3, 5, 9],
[3, 4],
[0, 1, 2],
[8, 9],
[0, 3, 7],
[1, 4, 7] ]
```

转载于:https://www.cnblogs.com/05410n/p/8447583.html