图的基本概念与数据结构

基本概念

1. 图论中的图是由若干个给定的点及连接两点的线所构成的图形，这种图形通常用来描述某些事物之间的某种特定关系，用点代表事物，用连接两点的线表示相应两个事物间具有这种关系。
2. 一个图可以用数学语言描述为$G(V(G),E(G))$。V(vertex)指的是图的顶点集，E(edge)指的是图的边集。
3. 度：设$v$是边$e$的端点，则称$v$与$e$相关联，与顶点$v$关联的边数称为该顶点的度，记为$d(v)$。度为奇数的顶点称为奇顶点，度为偶数的顶点称为偶顶点。所有顶点的度数之和是边数的2倍，由此可知奇顶点的总数是偶数。
4. 道路：设$W=v_0{e}_1{v}_1...e_k{v}_k$，$e_i$与$v_{i-1}$和$v_i$关联，则称$W$是图$G$的一条道路。$v_0$是起点，$v_k$是终点，k为路长。
5. 迹：各边相异的道路称为迹。
6. 轨道：各顶点相异的道路称为轨道，记为$P(v_0,v_k)$，$v_0$是起点，$v_k$是终点，k为路长。
7. 回路：起点与终点重合的道路称为回路。
8. 圈：起点与终点重合的轨道称为回路。
9. 连通图：图中任两顶点之间都存在道路的图称为连通图。
10. 距离：顶点$u$，$v$的距离是顶点$u$,$v$分别为起点和终点的最短轨道之长。

图的分类

图与网络的数据结构

假设$G=(V,E)$是一个简单无向图，顶点集合 V = { v 1 , . . . , v n } V=\{v_1,...,v_n\} V={v1​,...,vn​}，边集 E = { e 1 , . . . , e m } E=\{e_1,...,e_m\} E={e1​,...,em​}，记$|V|=n,|E|=m$。

邻接矩阵表示法

1. 邻接矩阵记为$W=(w_{ij}{)}_{n\times n}$，当$G$为赋权图时，有

$w_{ij}=\{\begin{array}{ll}权值,& 当v_i与v_j之间有边时\\ 权值,& 当v_i与v_j之间有边时\end{array}$

2. 当$G$为非赋权图时，有

$w_{ij}=\{\begin{array}{ll}1,& 当v_i与v_j之间有边时\\ 0,& 当v_i与v_j之间有边时\end{array}$

3. 当图的边数远小于顶点数时，邻接矩阵表示法表示会造成很大的空间浪费。

稀疏矩阵表示法

1. 系数矩阵是指矩阵中零元素很多，非零元素很少的矩阵。稀疏矩阵存放非零元素的行标、列表、值。
2. Matlab中，有向图的邻接矩阵转稀疏矩阵直接使用sparse命令，反过来用full命令

>> a=[1 0 0;0 5 0;3 0 0]

a =

     1     0     0
     0     5     0
     3     0     0

>> b=sparse(a)

b =

   (1,1)        1
   (3,1)        3
   (2,2)        5

>> full(b)

ans =

     1     0     0
     0     5     0
     3     0     0

3. 对于无向图，邻接矩阵是对称阵，只需要使用下三角元素。

>> a=[1 0 3 ;0 0 1;3 1 0]

a =

     1     0     3
     0     0     1
     3     1     0

>> tril(a)

ans =

     1     0     0
     0     0     0
     3     1     0