数据结构基础-图的概念(无代码纯理论)

在图论中，我们进行的主要是对于图的概念理解和应用，在离散数学课程中，我们曾涉及过很多对于图的基础知识的学习和探索，但多半是对图的定义和性质以及其证明下结论，以下是对于图的直接应用的讲解。

0.小引：回顾

0.1为什么学数据结构？

用存储结构实现逻辑结构，用以处理数据，解决实际问题。从大体上讲，我们的数据结构学习仍然是一种对存储空间的抽象和理解，我们构造出一个又一个用以存放数据的结构，基于其需要去被用于解决何种问题，就像之前的树中所说，解决问题是通过算法，而算法基于数据结构构成的大类进行选择，数据结构又要看问题适合用什么样的逻辑结构，这样就好似形成了一个完美的闭环。

0.2数据结构的相关存储

逻辑结构，我们之前也学习过很多，大体分为线性(线性表，栈，队列)和非线性(树，图)

存储结构，我们放到最小的两种类型看，就是顺序表和链表，以此辐射到每一个逻辑结构中去，又构成了多样的存储方式，如栈对应的顺序栈和链栈，队列对应的顺序队列和链式队列，树中的就更多了，二叉树中的二叉排序树、平衡二叉树，树的三种存储方式(双亲表示法，双亲孩子表示法，孩子兄弟表示法)

那么在学习了一些树的知识后，图就成为了现行阶段，我们进行学习的逻辑结构，基于其在实际问题中的广泛应用，并很好地结合在计算机计算中

1.图的概念

我们一开始理解图，就将其理解为一个抽象的地图即可

图G是由两个集合V和E组成，记为G =(V,E)，其中V是顶点的有限非空集合，E是V中顶点偶对的有限集，这些顶点偶对称之为边 (弧)。

V是一个有限的的非空集合，我们也称之为顶点集合，其元素称之为顶点或者点。V ={v1,v2,v3,v4,v5}。我们用|V| 来表示顶点的数目。

E是由V中的点组成的无序对构成的集合的边集，其元素称之为边，且同一点对在E中可以重复出 现多次(如果比标上边的重数的话，每一点对只要出现一次就行了)。用|E表示边数。

图可以用图形表示，顶点集V中元素用平面上的一个黑点表示，边集E中元素用一条连接V中相应 点对的任意形状的线表示。现实中，点集合代表事物或对象的全体，边集代表点之间的联系或者相互作用。即图是描述事物之间联系或相互作用状态的一个概念。

根据上述专业术语的解释我们了解到，图G是由结点集V和边集E构成的一种集合间的关系所构成的整体，这就是对一个图的整体概括(数理意义上)

最好举的例子就是我们平时使用的地图APP，其内核就是基于对图的研究和应用

当然了，上述例图为一个有向图，即每一条边都有指向性，而且其带权值，全称可以被称为有向带权图，那么还存在无向图，无权图，可以自由对应组合

1.1图的基本术语

1.1.1简单图

在图结构中，若不存在顶点到其自身的边，且同一条边不重复出现，则称这样的图为简单图

1.1.2无向图

在图G中，如果代表边的顶点偶对是无序的，则称G为无向图。若关系< V，V;>无方向性，则称此时的图为无向图，关系用(V，V)，称之为一条表 (edge)

1.1.3有向图

设 Vi、Vj为图中的两个顶点，若关系< Vi，Vj>存在方向性，则称相应的图为有向图Vi为弧尾，Vj为弧头(带箭头的是弧头，不带箭头的是弧尾)

有向图的边是有明确方向的

有向无环图 (Directed Acyclic Graph，简称DAG)如果有一个有向图，从任一顶点出发无法经过若干条边回到该顶点，那么它就是一个有向无环图。

在图G中，如果表示边的顶点偶对是有序的，则称G为有向图。一个图要么为无向图，要么为有向街不存在部分有向或者部分无向的情况。 混合图 (Mixed Graph) 表示的是边可能有向，可能无向。

1.1.4完全图

如果图中的每两个顶点之间，都存在一条边，我们就称这个图为完全图

完全有向图: 有n(n-1)条边

完全无向图: 有n(n-1)/2条边

1.1.5端点、邻接点

在一个无向图中，若存在一条边(i，j)，则称顶点i和顶点j为该边的两个端点。并称它们互为邻接点

在一个有向图中，若存在一条边<i，j>，则称顶点i和顶点j为该边的两个端点。它们互为邻接点。此时，顶点i为起点。顶点j为终点。

1.1.6顶点的度、入度和出度

顶点的度:在无向图中，顶点所具有的边的数目

入度和出度: 出度、入度使用于有向图

出度(Out-degree) 一个顶点的出度为x，是指有x条边以该顶点为起点(以当前节点，出发的边的数量，就表示出度值)

入度 (in-degree) 一个顶点的入度为x，是指有x条边以该顶点为终点(以当前节点为重点的边，就表示入度 一个顶点的入度和出度的和称为该顶点的度。在一个具有e条边的图中: 度之和为2e

1.1.7子图

设有两个图G=(V，E)和G'=(V,E)，若V·是V的子集。则称G是G的子图

1.1.8路径(顶点序列)和路径长度(边的数目)

在一个图G=(V,E)中，从顶点到顶点j的一条路径是一个顶点序列(i,i1,i2,.. im,j)，若此图G是无向图，则边(i, i1),(i1,i2),...(im,j)属于E(G); 若此图是有向图，则<i, i1>, <i1,i2>,...<im,j> 属于E(G)

路径长度是指一条路径上经过的边的数目。若一条路径上除开始点和结束点可以相同外，其余顶点均不相同，则称此路径为简单路径

1.1.9回路或环

如果一条路径上的开始点与结束点为同一个顶点，则称此路为回路或者为环。开始点和结束点相同的简单路径被称为简单回路或者简单环

如果经过图中各边一次且恰好一次的环路，称之为欧拉环路，也就是其长度恰好等于图中边的总数、{C，A，B，A，D，C，D，B}，C就是一条欧拉环路

如果是经过图中的各顶点一次且恰好一次的环路，称作哈密尔顿环路，其长度等于构成环路的边数。{C，A，D，B}，C就是一条哈密尔顿环路

1.1.10连通、连通图和连通分量

如果顶点x和y之间存在可相互抵达的路径 (直接或间接的路径)，则称x和y是连通的如果图G中任意两个顶点都连通，则称G为连通图，否则称为非连通图

无向图G中的极大连通子图称为G的连通分量

对于连通图只有一个极大连通子图，就是它本身 (是唯一的)

非连通图有多个极大连通子图。 (非连通图的极大连通子图叫做连通分量，每个分量都是一个连通图）。之所以称为极大是因为如果此时加入一个不在图的点集中的点都会导致它不再连通

至于极小连通子图，首先只有连通图才有极小连通子图这个概念。就像一个四边形，四个节点四条边，其实三条边就能连通了，所以四个节点三条边，就OK了，就是在能连通的前提下，把多余的边去掉。

1.1.11强联通图和强连通分量

在有向图G中，若从顶点到顶点j有路径，则称从顶点i到顶点j是连通的

若图G中的任意两个顶点i和顶点都连通，即从顶点i到顶点i和从顶点]到顶点i都存在路径，则称图G是强连通图

有向图G中的极大强连通子图称为G的强连通分量。显然，强连通图只有一个强连通分量，即自身,非强连通图有多个强连通分量

1.1.12稠密图和稀疏图

当一个图接近完全图的时候，称之为疏密图;相反，当一个图含有较少的边数，则称之为稀疏图。一般对于这个边的个数，说法比较多，通常认为边小于nlogn (n是顶点的个数)的图称之为稀疏图，反之称为稠密图

1.1.13权和网

图中的每一条边都可以附有一个对应的数，这种与边相关的数称为权。权可以表示从一个顶点到另一个顶点的距离或者花费的代价。边上带有权的图称为带权图，也称之为网

也叫有权图(Weighted Graph)

权值不仅仅可以是整数，还可以是小数，负数。根据情况而定，甚至还可以是自定义对象

1.1.14连通图的生成树

所谓连通图的生成树是一个极小的连通子图，它含有图中全部的n个结点，但是只有构成树的n-1条边