算法：图论基础

生活中的图

地图中的图

我们在用百度地图的时候，常常会使用导航功能。比如你在地铁站A附近，你想去的地点在地铁站F附近，那么导航就会告诉你一个最佳的地铁线路换乘方案。

这许许多多地铁站所组成的交通网络，也可以认为是数据结构中的图。

社交网络中的图

举个例子，比如微信。假设你的微信朋友圈中有若干好友：张三、李四、王五、赵六、七大姑、八大姨。

而你七大姑的微信号里，又有若干好友：你、八大姨、Jack、Rose。

微信中，这许许多多的用户就组成了一个多对多的朋友关系网，这个关系网就是数据结构中的图(grahp)。

数据结构提供了 3 种存储结构，分别称为线性表、树和图

• 线性表是最简单的存储结构，它是一对一的关系
• 树的节点之间是一对多的关系，并且存在父与子的层级划分；
• 而图的顶点之间是多对多的关系，并且所有的节点是平等的，无所谓谁是父谁是子。

树和图有很多相似之处，它们的区别是：树存储结构中不允许存在环路，而图存储结构中可以存在环路

图

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（vertex）的集合，E是图G中边（Edge）的集合。

对于图的定义，我们需要明确几个注意的地方：

• 线性表中我们把数据元素叫元素，树中叫结点，在图中数据元素我们则称之为顶点(Vertex)。
• 线性表可以没有数据元素，称为空表，树中可以没有结点，叫做空树，但是，在图中不允许没有顶点，但是可以没有边
• 关系：
  • 线性表中，相邻的数据元素之间具有线性关系
  • 树结构中，相邻两层的结点具有层次关系
  • 而图结构中，任意两个顶点之间都可能有关系，顶点之间的逻辑关系用边来表示，边集可以是空的。

如下中，共有 V0，V1，V2，V3 这 4 个顶点，4 个顶点之间共有 5 条边。

顶点 && 边

在图中，最基本的单元是顶点(vertex)，相当于树中的节点。图中的一个顶点可以和任意其他顶点建立连接关系，我们把这种建立的关系叫做边(edge)。

无向边 VS 有向边

• 无向边：
  • 顶点Vi与Vj之间的边没有方向，则称这条边为无向边(Edge)，用无序偶 (Vi，Vj) 来表示。
  • (Vi，Vj) 与 (Vj，Vi) 意义相同，表示x和y之间有连接。
• 有向边：
  • 若从顶点Vi与Vj之间的边有方向，则称这条边为有向边，也成为弧(Arc)，用有序偶<Vi，Vj>来表示，Vi为弧尾，Vj为弧头。
  • <Vi，Vj>与<Vj，Vi>表示的意义是不同的，<Vi，Vj>表示从Vi连接到Vj，Vi称为尾，Vj称为头；<Vj，Vi>表示从Vj连接到Vi，Vj称为尾，Vi称为头

并且，图中习惯用 VR 表示图中所有顶点之间关系的集合。

下图无向图的集合 VR={(v1,v2),(v1,v4),(v1,v3),(v3,v4)}

下图有向图的集合 VR={<v1,v2>,<v1,v3>,<v3,v4>,<v4,v1>}。

度、入度、出度

这是针对有向图的。

• 顶点 V 的度是和 V 相关联的边的数目，记为TD(V)
• 以顶点V为头的边的数目叫做入度（箭头指向 V的弧的数量），记为ID(V)
• 以顶点V为尾的边的数目叫做出度（箭头远离 V的弧的数量），记为 OD(V)
• 顶点的度 = 入度 + 出度。即 TD(V) = ID(V) + OD(V)。

下图中，$V_0$ 顶点的度为 3 ，入度为1，出度为2

以微信为例，我们可以把每个用户看作一个顶点。如果两个用户之间互加好友，那就在两者之间建立一条边。所以，整个微信的好友关系就可以用一张图来表示。其中，每个用户有多少好友，对应到图中，就叫做顶点的度(degree)，就是跟顶点相连接的边的条数。

邻接

• 邻接是两个顶点之间的一种关系。如果图包含（u,v），则称顶点 v 与顶点 u 邻接。在无向图中，这也暗示了顶点 u 也与顶点 v 邻接。换句话说，在无向图中邻接关系是对称的。

各种图

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。

无向图 VS 有向图

• 无向图定义：若图中任意两个顶点之间的边均是无向边，则称该图为无向图
• 有向图定义：若图中任意两个顶点之间的边均是有向边，则称该图为有向图

应用：

• 有向图中顶点之间的关联并不是完全对称的。还拿微信来举例，你的好友列表里有我，但我的好友列表里未必有你。这样一来，顶点之间的边就有了方向的区分，这种带有方向的图被称为有向图。
  
• 相应的，在QQ当中，只要我把你从好友里删除，你在自己的好友列表里也就看不到我了。因此，QQ的好友关系可以认为是一个没有方向区分的图，这种图被称为无向图。

完全图、无向完全图、有向完全图

• 完全图：若图中各个顶点都与除自身外的其他顶点有关系，这样的无向图称为完全图

• 无向完全图：在无向图中，如果任意两个顶点之间都存在边，则称该图为无向完全图（含有n个顶点的无向完全图有(n×(n-1))/2条边

• 有向完全图：在有向图中，如果任意两个顶点之间都存在方向互为相反的两条边，则称该图为有向完全图。（含有 n 个顶点的有向完全图有 n×(n-1) 条边）

稀疏图 VS 稠密图

这里的稀疏和稠密是模糊的概念，都是相对而言的，通常认为边或弧数小于n*logn（n是顶点的个数）的图称为稀疏图，反之称为稠密图。

带权图

有些图的边或弧带有与它相关的数字，这种与图的边或弧相关的数叫做权(Weight)，带权的图通常称为网(Network)。

假设有两个图G1=(V1,E1)和G2=(V2,E2)，如果V2⊆V1，E2⊆E1，则称G2为G1的子图(Subgraph)。

连通图 VS 非连通图

在无向图G中，如果从顶点v到订单v’有路径，则称v和v’是连通的。如果对于图中任意两个顶点$vi、vj\in E$， vi，和vj都是连通的，则称 G 是连通图，否则图为非连通图。

下图中A、B、C、D是连通的，但是其中任一顶点与顶点E或者顶点F之间没有路径，因此是非联通图

若添加顶点B与顶点F之间的邻接边，则图变为连通图

路径&&回路

• 路径：在图中，依次遍历顶点序列之间的边所形成的轨迹。

例如：下图中依次访问顶点 V0 、V3 和 V2 ，则构成一条路径。

如果路径中第一个顶点和最后一个顶点相同，则此路径称为"回路路"（或"环"）。

如下图，从 V1 存在一条路径还可以回到 V1，此路径为 {V1,V3,V4,V1}，这是一个回路（环），而且还是一个简单回路（简单环）