图（Graph）——图的存储结构

前言

由于图的术语比较多，大部分的术语和实际编程可能没有什么关系，所以我这里只记录有必要的术语，其他的术语我简单地列在最后。如果想要具体了解图的话，可以去看看《大话数据结构》这本书籍。然后我会分两篇博客来记录图，这篇博客主要记录图的两种存储结构，下一篇是有关图的各种算法。图也是我比较少用的数据结构，以前学的时候学不懂，现在回头再看，能够get到里面许多点了。

图的定义

图是一种比较复杂的数据结构，他的结点之间的关系可以是任意的，图中的任意两个数据元素之间都可能相关。下图展示了图的结构：

下面给出图的定义：

图（Graph）是由顶点的有穷非空集合和顶点之间边的集合组成，通常表示为：G(V, E)，其中G表示一个图，V是图G中顶点的集合，E是图G中的边的集合。

我们将图的数据元素称为顶点（Vertex），并且图的顶点集合一定是有穷且非空的，即图可以没有边，但一定不能没有顶点（至少有一个）。 在图中，任意两个顶点之间都可能有关系，顶点之间的关系用边来表示。

图的分类

图的分类有很多种，这里主要依据边的无向和有向，将图分为无向图和有向图。

• 无向边： 若顶点v_i到v_j之间没有方向，则称这条边为无向边（Edge），用无序偶对（v_i, v_j）来表示。
• 有向边：若顶点v_i到v_j之间有方向，则称这条边为有向边，也称为弧（Arc）。用有序偶对<v_i, v_j>来表示有向边，v_j是弧头， v_i是弧尾，即该边的方向是v_i–> v_j（注意不要把头和尾弄反了）。

别的分类还有简单图、复杂图、稀疏图、稠密图，具体参照书去了解。在存储结构上稍微有点区别的就只有无向图和有向图了，所以这里就抛开别的术语，单纯讲讲这两种图的区别。

无向图

顶点与顶点之间没有指向关系，或者说一条边描述了两个顶点间具有双向关系。具体的例子有朋友圈、地铁路线图等。下图为无向图：

有向图

顶点与顶点之间有明确的指向关系，或者说一条边只描述了两个顶点之间具有一个单向的关系。具体的例子有微博的关注列表、食物链、程序的函数依赖图等。下图为有向图：

图的两种存储结构

图相比起线性表和树，在存储方面上复杂了许多。如果说还像链表或者树那样，用一个结点和指向下一个结点的指针来作为顶点的结构，这是不合理的。因为一个图并没有明确的头结点或者根节点，顶点与顶点之间也没有明确的顺序关系或者层次关系，所以这样的存储结构是不合理的。

而且就算采用了这样的存储结构，由于顶点之间的关系是不明确的，一个顶点可能与多个顶点有关系，也可能没有关系。这样在设计下一个顶点指针的时候只能用一个可变数组来维护（有点类似与多叉树），但这样的设计不仅难以维护，操作起来也不太方便。

在前人的不屑努力下，总结出了五种比较适合图的存储结构。但这里只介绍两种比较常用的，感兴趣的话可以去参考书籍。下面罗列出这五种存储结构：

• 邻接矩阵
• 邻接表
• 十字链表
• 邻接多重表
• 边集数组

邻接矩阵

图的邻接矩阵（Adjacency Matrix）存储方式是用两个数组来表示图。一个一维数组存储图中的顶点信息，一个二维数组（称为邻接矩阵）来存储图中的便或弧的信息。 用上面的无向图做例子，那么他的存储结构应该是这样子的：

一维数组：

0	1	2	3
A	B	C	D

二维数组（邻接矩阵）：

	0	1	2	3
0	0	1	1	1
1	1	0	1	0
2	1	1	0	1
3	1	0	1	0

一维数组是顶点到矩阵行列下标的一个映射，真正用来表示关系（边或弧）的是这个矩阵。

可以看到，在矩阵上面，行表示顶点，列表示边。比如A跟B、C、D有关系，所以0行上的1、2、3列被设为了1&#