图的表示方法

图的基本概念

可以分为 有向图、无向图、有权图 和 无权图

图的遍历：
DFS
BFS

常见可以解决的问题有：
联通分量，Flood Fill，寻路，走迷宫，迷宫生成，无权图的最短路径，环的判断
最小生成树问题（Minimum Spanning Tree）：Prim，Kruskal
最短路径问题（Shortest Path）：Dijkstra，Bellman-Ford
拓扑排序（Topological sorting）

基本概念

顶点（Vertex）
边（Edge）
路径：比如在无向图 G 中，存在一个顶点序列 Vp，Vi1，Vi2，Vi3 …，Vim，Vq，使得(Vp,Vi1)，(Vi1,Vi2)，…，(Vim,Vq)均属于边集 E(G) ，则称顶点 Vp 到 Vq 存在一条路径。
路径长度：是指一条路径上经过的边的数量。
回路：指一条路径的起点和终点为同一个顶点。
顶点的度

无向图：顶点的度表示以该顶点作为一个端点的边的数目。
有向图：顶点的度分为入度和出度：该顶点的度等于其入度和出度之和

不管是无向图还是有向图，顶点数 n，边数 e 和顶点的度数 D(Vi)有如下关系：
*e = 1/2 (D(v1) + D(v2) + … + D(vn))

特殊概念：

度：顶点的度数（degree）即依附于它的边的数量。

边
平行边：有两条边连接同样的同个顶点。英文称作：parallel。
相邻：两个顶点由一条边相连，则说这两个顶点相邻（adjacent）。而这条边认为是依附（incident）于这两个顶点。

路径
路径：由边顺序连接的一系列顶点。英文称作：path。
简单路径：没有重复顶点的路径。英文称作：simple path。
路径的长度：路径或环包含的边的数量。
路径的表示：用 u-v-w-x 表示 u 到 x 的一条路径。

环
环：至少含有一条边且起点和终点相同的一条路径。英文称作 circle。
简单环：不含有重复顶点和边的环。英文称作 simple circle。
自环：有一条边连接一个顶点和其自身。英文称作：self-loop。
环的长度：路径或环包含的边的数量。
环的表示：用 u-v-w-x-u 表示 u 到 u 的一条环。

两个顶点连通：当两个顶点之间存在一条连通的路径时，称这两个顶点是连通的。英文称作：connected。

图
多重图：含有平行边的图。
简单图：不含平行边或自环的图。
子图：一幅的边及相连接的顶点的一个子集组成的图，特别是顺序连接一系列顶点的边组成的子图。英文称作：subgraph。
连通图：如果任意两个顶点都存在一条连通路径，则这幅图是连通图。
非连通图：由若于个极大连通子图组成。
无环图：不包括环的图。英文称作：acyclic graph。

树与森林
生成树：边通图的生成树（spanning tree ）是它的一幅子图。它含有图中的所有顶点，且是一棵树。
森林：树是一个无环连通图，互不相连的树组成的集合叫作 森林。英文称作：disjoint set of trees。
生成树森林：是图的所有连通子图的生成树（union of the spanning trees ）的集合。

图的表示

边的集合表示：
无权图可以使用二元组 <Vp, Vq>
有权图可以使用三元组 <Vp, Vq, weight>

图的表示： 邻接表 和 邻接矩阵

邻接矩阵 Adjacency matrices
二维数组adj[i][j] = 1 or weight

邻接表 Adjacency lists
邻接表是图的一种链式存储结构。这种存储结构类似于树的孩子链表。
对于图 G 中每个顶点 Vi，把所有邻接于 Vi 的顶点 Vj 链成一个单链表，这个单链表称为顶点 Vi 的邻接表。

图的遍历

DFS
BFS

深度或广度优先搜索算法，费罗伊德算法，迪杰斯特拉算法，Bellman-Ford 算法。

深度或广度优先搜索算法（解决单源最短路径）

从起点开始访问所有深度遍历路径或广度优先路径，则到达终点节点的路径有多条，取其中路径权值最短的一条则为最短路径。

弗洛伊德算法（解决多源最短路径）

时间复杂度o(n³),空间复杂度o(n²)

基本思想：最开始只允许经过1号顶点进行中转，接下来只允许经过1号和2号顶点进行中转…允许经过1~n号所有顶点进行中转，来不断动态更新任意两点之间的最短距离。即求从i号顶点到j顶点只经过前k号点的最短距离。

迪杰斯特拉算法（解决单源最短路径）

基本思想：每次找到离源点（如1号节点）最近的一个顶点，然后以该顶点为中心进行扩展，最终得到源点到其余所有点的最短路径。

1，设置标记数组book[]：将所有的顶点分为两部分，已知最短路径的顶点集合P和未知最短路径的顶点集合Q，很显然最开始集合P只有源点一个顶点。book[i]为1表示在集合P中；
2，设置最短路径数组dst[]并不断更新：初始状态下，dst[i]=edge[s]i,很显然此时dst[s]=0,book[s]=1.此时，在集合Q中可选择一个离源点s最近的顶点u加入到P中。并依据以u为新的中心点，对每一条边进行松弛操作（松弛是指由顶点s–>j的途中可以经过点u，并令dst[j]=min(dst[j],dst[u]+edge[u][j])）,并令book[u]=1;
3，在集合Q中再次选择一个离源点s最近的顶点v加入到P中。并依据v为新的中心点，对每一条边进行松弛操作（即dst[j]=min(dst[j],dst[v]+edge[v][j])）,并令book[v]=1;
4,重复3，直至集合Q为空。

Bellman-Ford算法（解决负权边，解决单源最短路径，前几种方法不能解决负权边）

主要思想：所有的边进行n-1轮松弛，因为在一个含有n个顶点的图中，任意两点之间的最短路径最多包含n-1条边。换句话说，第1轮在对所有的边进行松弛操作后，得到从1号顶点只能经过一条边到达其余各定点的最短路径长度，第2轮在对所有的边进行松弛操作后，得到从1号顶点只能经过两条边到达其余各定点的最短路径长度，…

此外，Bellman-Ford算法可以检测一个图是否含有负权回路：如果经过n-1轮松弛后任然存在dst[e[i]]>dst[s[i]]+w[i].

SPFA(Shortest Path Faster Algorithm)（单源最短路径）

它是Bellman-ford队列优化，它是一种十分高效的最短路算法。

实现方法：建立一个队列，初始时队列里只有起始点s，在建立一个数组记录起始点s到所有点的最短路径（初始值都要赋为极大值，该点到他本身的路径赋为0）。然后执行松弛操作，用队列里的点去刷新起始点s到所有点的距离的距离，如果刷新成功且刷新的点不在队列中，则把该点加入到队列，重复执行直到队列为空。

此外，SPFA算法可以判断图中是否有负权欢=环，即一个点的入队次数超过N