图的概念以及图的邻接矩阵存储实现

  通过数据结构前几章的学习，我们学会了根据应用场景选取线性表，队列，栈，树等方式存储数据，当遇到一些新问题，新应用场景例如旅行商问题(TSP),描述微信好友关系链时，上述存储方式都不能很好地满足条件。此时图存储方式应运而生。

  图的结构是任意两个数据对象之间都可能存在某种特定关系的数据结构。笔者将依据如下思维导图和大家由浅入深谈一谈图(Graph)

 一.图的组成

  图G由顶点集V和边集E组成，记作G=(V,E),其中V(G)表示图G顶点的有限非空集，E(G)表示图G顶点关系的集合。 表示G的顶点数，表示图G的边数。

二.简单图、复杂(多重)图

  简单图：

1.不存在重复边

2.不存在指向顶点自身的边

  复杂图自然就是存在重复边或者指向顶点自身的边的图，在生活中我们更多接触到的都是简单图，因此在数据结构的学习中，默认所有图都是简单图。

  复杂图示例：(前者为复杂无向图，后者为复杂有向图)

              

三.有向图、无向图

无向图：若E是无向边的有限集合，则图G为无向图

有向图：若E是有向边的有限集合，则图G为有向图

区别：若用v，w是图G一条边的两个顶点

(1).在无向图中，边没有方向。故边（v,w）与（w，v）表示的是一条边。

(2).在有向图中，边有方向。故边<v,w>与<w,v>表示的是两条方向相反的边。

 对于该无向图G1而言，

G1=(V1,E1);

V1=;

E1=;

 对于该无向图G2而言，

G2=(V2,E2);

V2=;

E2=

带权图:在一个图中，，每条边都可以标上具有某种含义的数值，该数值称为该边的权值。
边上带有权值的图称为带权图，也称网。
带权路径长度：一条路径上所有边权重之和 

稀疏图，稠密图：一般来说:满足则可称之为稀疏图，否则为稠密图。

四.图的存储

考虑到篇幅与时间，笔者主要想和大家讨论图的邻接矩阵存储以及邻接表存储。

邻接矩阵：用矩阵表示各顶点之间的邻接关系。假设G=（V，E）顶点数为n，则可用n阶矩阵G[][]表示各顶点的相邻关系。
对于不带权图来说：G[i][j]=0表示边(Vi，Vj)/<Vi,Vj>不存在，G[i][j]=1表示边(Vi，Vj)/<Vi,Vj>存在。

对于带权图来说：当(Vi，Vj)/<Vi,Vj>不存在时，G[i][j]=0或无穷，(Vi，Vj)/<Vi,Vj>存在时G[i][j]=w（w为该边权重）。

我们可以观察到：

对于无向图而言，其邻接矩阵一定为对称矩阵。 

对于有向图而言，矩阵的每一行表示该顶点的出度，每一列表示该顶点的入度。

带权图邻接矩阵的代码实现：

 上图是一个5顶点，8边组成的带权图，根据带权图可以画出邻接矩阵

 

邻接表

对于比较稠密的图来说，可以用二维数组(邻接矩阵)进行存储，而对于边数比较少的图，线性存储无疑会造成空间的浪费。因此我们引入邻接表——一种链式存储方法来存储稀疏图。