图的基本概念和基本术语
-
图的概念
图G是由V,E两个集合组成的，G=(V,E)，V是结点，E是边。
有向图：就是由箭头指方向的。
无向图：就是没有方向的
-
图的基本术语
子图：G=(V,E),G2=(V2,E2), V2是V的真子集同时E2也是E的真子集,那么G2为G的子图
无向完全图:N个顶点的无向图，具有n(n-1)/2条边。 有向完全图:N个顶点的有向图，具有n(n-1)条边。
稀疏图:边的条数|E|远小于|V|2(顶点)。稠密图:边的条数|E|接近|V|2。
权:每一天边可以给予一定的数值。表示一个点到另外一个点的距离或者耗费。 网：带权的图
邻接点:被同一条线连接的两个点。
度:无向图的度主要是看这个顶点被几条线连着，有向图的度=入度+出度。入度：有一个箭头指向一个顶点，那这个顶点的入度就为1（这个是进来）。
出度：某一个结点的一个线指向某一个顶点（大致意思就是出去）。
路径长度：一个顶点到另外一个顶点所走过的的边或者弧。 回路：1-2-1，顶点1出发，经过2，然后再回到1. 简单回路：从顶点出发，再回来，不能经过重复的路径或者顶点。
连通：点和点之间有路径，就是连通的。连通图：一个图中任意两个点都是可以到达的。
连通分量：连通图只有一个连通分量，就是他自己。非连通图连接分量就是子图。
强连接图：顶点和顶点之前能够之间到达，不需经过其他顶点。强连通分量：不能之间连的顶点，一般就是强连通分子。
连通图的生成树:由极小连通子图构成，但边只有N-1条边
有向树和生成森林：
有向树：有一个顶点为0，其余顶点的入度为1的有向图为有向树。
森林是由若干课有向树构成。
图的存储结构
-
邻接矩阵
顶点之间可以连通的就是1，不能就是1，或者本身连本身也是0
0到0,表示距离为0，不能到达的就是无穷大。
-
邻接表
邻接表是图的链式表示方法，由表头结点表和边表组成。
表头结点：由数据域和链域组成。
边表：由邻接点域、数据域、链域组成
- 邻接表的优缺点：
优点：
便于增加和删除。便于统计边的数。空间效率高（O(n+e)）n:代表多少顶点,e：表示多少个边表结点。
缺点：不便判断顶点之间是否有边。不便计算有向图各个顶点的度
十字链表
十字链表通过头尾域和两个链域、info域（弧的信息）
链域：一个是指向弧头相同的下一个弧，一个是指向弧尾相同的下一个弧。
邻接多重表
有头节点和尾结点，还有相同头结点的链域，相同尾结点的链域
图的遍历
-
深度优先算法
深度优先搜索：
1.选择一个顶点，然后找一个没有被访问的邻结点，访问该结点，然后一直重复，直到访问过的结点没有未被访问的邻结点。
2.某个结点的邻结点都被访问完了，则返回上一个邻结点，直到找到没有被访问的结点。
3.如果都访问完了，则遍历结束。
-
广度优先算法
1.从顶点出发，选择某一个邻结点（比如左边），然后在选择邻一个邻结点（比如右边）。
2.当选择的左子树的邻接点，那每次都会先遍历左边的邻接点。
3.遍历是一层一层的遍历
最小生成树
在一个连通图里，边最少的就是最小代价生成树，简称最小生成树。
-
普利姆算法
过程：
1.选择一个顶点，然后顺着该顶点向下寻找权值小的顶点连起来，然后一直循环，直到连完。
2.如果还没有访问完，就没有邻结点可以连了，就返回上一个邻接点，直到找到可以连的结点。
3.所有结点都只可以连接一次，不能成环。
-
克鲁斯科尔算法
选择权值最小的边连起来，然后再找邻接点最小边的权值连起来，然后重复操作。（个人理解）
这个图先将合适的权值先连起来，不合适的之前丢掉。
最短路径-迪杰斯特拉算法
算法步骤：就是将和选定顶点最近的路径连起来。
循环1：d[3]无穷大变成70，是因为1连接了2，就找到了1到2到3路径的长度为70.
循环2：d[3]从70变成40,是因为1连接了4，4的路径长度为30，第二小，所有1-4-3的路径长度为40
弗洛伊德算法
算法过程：
1.初始化一个路径矩阵和点和点之间是否能直达的矩阵。
2.从第一个顶点为中转站，一个顶点到另外一个顶点经过都要经过这个中转站，每个顶点都要当一次中转站，以此来测试哪个路径为最短。
矩阵的行和列的序标都是0，1，2（表示顶点1，2，3）
D^(-1):初始化两个矩阵
D^(0):以1作为中转站
D^(1):以2作为中转站
D^(2):以3作为中转站
