图的定义和术语(4).ppt

合集下载

图论是离散数学

1
2
比如，顶点3的度是3。
3
Input Output
Total
4
5
• 有向图中，分入度和出度两部分，满足： TD(v) =
ID(v) + OD(v) 。
1
2
比如，顶点3的入度是1，出度为1，
度为2
3
4
7.2 图的相关术语
7.2.5 度
• 一般地，若图G中有n个顶点，e条边或弧，则图中
边与顶点的度的关系如下：
能否从河岸或小岛出发，通过每一座桥，而且仅仅通过一次回到原地？
1736 年 29 岁的欧拉解决了该问题，这也意味新的数学分支——图论的诞生
7.1 图的定义和基本术语
7.1.1 背景
• 四色问题（世界三大数学难题之一）
证明不论地图多么复杂，最多使用四种颜色就能保证相邻地区使用不同颜色。
• G1是有向图（包含弧的图）
7.1 图的定义和基本术语
1
2
3
4
G1
7.1.3 图的基本术语
• G2是无向图（没有弧的图） • G2中有边(1,4), (1,2), (2,3),
(2,5), (3,5), (3,4) • 无序对（x，y）表示x和y之间的
一条边（edge）。所谓无序对，就是指（x，y）等同于（y，x） • 1条边等于2条弧，即(1,4)等于 <1,4>加上<4,1>
• 图就是数据元素间为多对多关系的 1
2
数据结构。怎么理解？
3
• 线性表是一对一关系：每一对结点
中，前者只有一个直接后继，后者只 4
5
有一个直接前驱
• 树是一对多关系：每一对结点中，前者可能有多个直

图论讲义第4章-欧拉图与hamilton图

[1] E. Lucas，Récréations Mathématiques IV, Paris, 1921.
Fleury 算法的步骤如下：
输入：欧拉图 G 输出：G 的欧拉闭迹。
step1. 任取 v0 ∈V (G) ，令 w0 := v0 ， i := 0 。 step2. 设迹 wi = v0e1v1 eivi 已取定。从 E \ {e1, e2 , , ei }中选取一条边 ei+1 ，使得（1） ei+1 和 vi 相关联；（2） ei+1 不选 Gi = G \ {e1, e2 , , ei }的割边，除非没有别的选择。
个顶点都是偶度顶点。从而 G +e 有 Euler 闭迹。故 G 有 Euler 迹。证毕。
一个图 G 如果有一条欧拉迹或欧拉闭迹，则我们可以沿着欧拉迹或欧拉闭迹连续而不重复地把 G 的边画完。因此存在欧拉迹或欧拉闭迹的图通常称为可一笔画的图，或者说它可一笔画成。如果图 G 可分解为两条迹或闭迹的并，则 G 的边可用两笔不重复地画完。同样地，如果图 G 可分解为 k 条迹或闭迹的并，则 G 可 k 笔画成。
获得 2k 个同类 u−v 迹。这种分类构成一个等价关系，因此形成了对有重复点的 u−v 迹集合
的划分。划分出的每一个等价类有偶数个条 u−v 路。这说明有重复点的 u−v 迹总共有偶数条。
有以上两方面知， G′ = G − e 中共有奇数条顶点不重复的 u−v 迹（即 u−v 路），因此，
G 中共有奇数个含有边 e 的圈。
step3. 当 step2 不能再执行时，停止。
定理 4.1.3 若 G 是 Euler 图，则 Fleury 算法终止时得到的是 G 的 Euler 闭迹。

数据结构第七章：图

例
a c G1
b d
vexdata firstarc adjvex next 1 4 ^ a 2 3 4 b c d 1 1 3 ^ ^ ^
19
7.3 图的遍历
深度优先遍历(DFS) 深度优先遍历
方法：从图的某一顶点出发，访问此顶点；方法：从图的某一顶点V0出发，访问此顶点；然后依次从V 的未被访问的邻接点出发，深度优先遍历图，次从 0的未被访问的邻接点出发，深度优先遍历图，直至图中所有和V 相通的顶点都被访问到；直至图中所有和 0相通的顶点都被访问到；若此时图中尚有顶点未被访问，中尚有顶点未被访问，则另选图中一个未被访问的顶点作起点，重复上述过程，点作起点，重复上述过程，直至图中所有顶点都被访问为止。问为止。
ω ij , 若(v i , v j )或 < v i , v j >∈ E(G) A[i, j ] = 0，其它
11
例
1 3
5
2
8 4 7 5 1 6 3 4 2
0 5 7 0 3
5 0 0 4 8
7 0 0 2 1
0 4 2 0 6
3 8 1 6 0
12
关联矩阵——表示顶点与边的关联关系的矩阵表示顶点与边的关联关系的矩阵关联矩阵
1
7.1 图的定义和术语
是由两个集合V(G)和E(G)组成的组成的, 图(Graph)——图G是由两个集合图是由两个集合和组成的记为G=(V,E) 记为
其中：其中：V(G)是顶点的非空有限集是顶点的非空有限集 E(G)是边的有限集合，边是顶点的无序对或有序对是边的有限集合，是边的有限集合
有向图——有向图是由两个集合有向图G是由两个集合有向图有向图是由两个集合V(G)和E(G)组成的和组成的

北京理工大学数据结构图课件

A
B C D
第 5 页
E
7.1 图的定义与术语
3、无向图——无向图G是由两个集合V(G)和 E(G)组成的。其中：V(G)是顶点的非空有限集。 E(G)是边的有限集合，边是顶点的无序对，记为 (v,w) 或 (w,v)，并且 (v,w)=(w,v)。
第 6 页
7.1 图的定义与术语

例如：
G2 = <V2,E2> V2 = { v0 ,v1,v2,v3,v4 } E2 = { (v0,v1), (v0,v3), (v1,v2), (v1,v4), (v2,v3), (v2,v4) }
V5
第 15 页
7.1 图的定义与术语
非连通图
V0
V1
V2
V3
V0
V1 V3
V2
强连通分量
第 16 页
7.1 图的定义与术语
7、生成树
包含无向图 G 所有顶点的极小连通子图称为G生成树。极小连通子图意思是：该子图是G的连通子图，在该子图中删除任何一条边，子图不再连通。
V0 V2 V3 V4 V3 连通图G1 V1 V0 V1 连通所有顶点 V4 无回路
第 22 页
7.2 图的存储结构 3、有向图的逆邻接表顶点：用一维数组存储（按编号顺序）以同一顶点为终点的弧：用线性链表存储。
vexdata V0 V1 0 1 v0 v1 v2
v3
firstarc 3 0 0 ^ ^
V2
V3
2 3
^
^
2
章类似于有向图的邻接表，所不同的是：以同一顶点为终点弧：用线性链表存储
Boolean visited[MAX]; // 访问标志数组

第7章图

假设一个连通图有 n 个顶点和 e 条边，其中 n-1 条边和 n 个顶点构成一个极小连通子图，称该极小连通子图为此连通图的生成树生成树。生成树 B A F E C D 对非连通图，则称由各个连通分量的生成树的集合为此非连通图的生成森林生成森林。生成森林
基本操作
结构的建立和销毁对顶点的访问操作插入和删除顶点插入和删除弧对邻接点的操作遍历
假若顶点v 和顶点w 之间存在一条边，则称顶点v 和w 互为邻接点邻接点，邻接点
边(v,w) 和顶点v 和w 相关联相关联。和顶点v相关联的边的数目边的数目定义为顶点v的度，边的数目度记为TD（v）。记为TD（ TD
B A F
C D E
例如: 例如: 右侧图中 TD(B) = 3 TD(A) = 2
个顶点相同的路径。
若图G中任意两个顶点之间都有路径相通，则称此图为连通图连通图; A 连通图 B A F E C D
B
C D
F
E
若无向图为非连通图，则图中各个极大连通子图称作此图的连通连通分量。分量
若任意两个顶点之间都存在对有向图，对有向图，一条有向路径，则称此有向图为强连通图强连通图。强连通图否则，其各个强连通子图称作它的强连通分量。强连通分量 A B C F E B C F A E
// 点”。若 w 是 v 的最后一个邻接点，则 // 返回“空”。
插入和删除顶点
InsertVex(&G, v); //在图G中增添新顶点v。 DeleteVex(&G, v); // 删除G中顶点v及其相关的弧。
插入和删除弧
InsertArc(&G, v, w); // 在G中增添弧<v,w>，若G是无向的， //则还增添对称弧<w,v>。 DeleteArc(&G, v, w); //在G中删除弧<v,w>，若G是无向的， //则还删除对称弧<w,v>。

图的定义和术语(4)

连通图强连通图
2021/8/17
V0
V1
V2
V3
V4
V0
V1
V2
V3
V0
V1 V4
非连
通
图
V3
V2 V5
V0
V1
非
强
连
通
V2
V3
图
7.权某些图的边具有与它相关的数, 称之为权。这种带权图叫做网络。
8.子图设有两个图G=（V，{E}）、G1=（V1，{E1}），若 V1 V，E1 E，则称 G1是G的子图。例:(b)、(c) 是 (a) 的子图
2021/8/17
基本术语：
1.有向图与无向图
在有向图中，顶点对<v, w>是有序的。在无向图中，顶点对(x, y)是无序的。有向边又可称为弧, <vi,vj>中vi称为弧尾或初始点，vj称为弧头或终端点。
1
1
3
2
4
3
2
654
5
6
7
无向图
V={1,2,3,4,5,6,7}
VR={(1,3),(3,4),(4,5),(1,2),(2, 6),(2,7),(6,7),(5,6),(1,5),(1,7) } 2021/8/17
adjvex nextarc 4^
3
5^
4
5^
3
^
3^
逆邻接表：有向图中对每个结点建立以Vi为弧头的弧的单链表。
例： a b
cd G1
vexdata firstarc adjvex nextarc
1
a
4^
2
b
1
^
3

图论

8/4/2013 11:54 PM
Zhibo Lu
3
图论方法建模
[定义]顶点：Ｖ中的元素称为顶点，用带标记的点表示，也称为结点/Vertices。 [定义]边：在有向图G中,若e=(a，b)∈E，e称为G的有向边 /directed edge。用由a到b带箭头的线把a和b连起来；在无向图G中,若e=(a,b)∈E，e称为G的无向边 /undirected edge 。a、ｂ间用连线连结；有向边和无向边统称为G的边/edge。
8/4/2013 11:54 PM Zhibo Lu 22
图论方法建模
说明：图Ｃ不是Ｅ的补图。（不互为补图）因为：
Ｅ”＝Ｅ－Ｅ’ ＝ {[b,c],[b,d],[b,e], [c,d],[c,e],[d,e]}
Ｖ”＝{b,c,d,e} 而图C多了顶点a。
8/4/2013 11:54 PM Zhibo Lu 23
v5
v4 (b)
Zhibo Lu
v5
v4 (c)
v5
17
图论方法建模
[定义]补图/complementary graph ：Ｇ＝(V,E)是图，Ｇ’＝(V’,E’)是Ｇ的子图，Ｅ”＝Ｅ－Ｅ’，Ｖ”＝V－V’或是Ｅ”中边所关联的所有顶点集合，则Ｇ” ＝(Ｖ”,Ｅ”)称为Ｇ’关于Ｇ的相对补图。 [定义]绝对补图：
8/4/2013 11:54 PM Zhibo Lu
v1
v2 e2 e6 e3 v3
12
e4
图论方法建模
[定理 (Handshaking)] 设无向图G=(V,E) 有e条边，则G中所有顶点的次之和等于e的两倍。证明思路：利用数学归纳法。 [定理] 无向图中次为奇数的顶点个数恰有偶数个。证明思路：将图中顶点的次分类，再利用定理1。

第5章图结构分析

2018年10月14日
5.1 引言
5.1.1 问题的提出
第 3页
问题1：寻求走迷宫问题的解，迷宫可表示成图，求解即为寻求满足某种要求的从迷宫的入口结点到迷宫的出口结点的路径。问题2：从公园入口处寻找一条参观某个动物的最短路径。问题3：在几个村落之间铺设通讯线路，如何铺设最省钱。问题4：计算机科学与技术专业的大学生，本科四年需要学习公共基础课、专业基础课、专业课几十门，每门课程都可能有先修课程的要求，如何合理安排课程的教学顺序，使学生能够顺利完成学业。。。。。。。
v1
v2
v3
v4
2018年10月14日
第6页
(3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14)
邻接点、邻接边完全图稠密图、稀疏图顶点的度、入度、出度边的权、网图路径和路径长度回路、简单路径、简单回路子图连通的、连通图、连通分量强连通图、强连通分量连通图（或子图）的生成树非连通图的生成森林
2018年10月14日
5.2 图的存储方法
5.2.1 邻接矩阵 1.邻接矩阵的存储思想
(1) 图中顶点顺序存储；
第 9页
(2) 用一个n*n矩阵（设图有n个顶点）来存储任意两个顶点之间边的信息，也就是各顶点之间的邻接关系。
A[i][j]=
{0 若(v ,v )或<v ,v >不是E(G)中的边
i j i j
1 若(vi,vj)或<vi,vj>是E(G)中的边
若G是带权图，则邻接矩阵可定义为：
A[i][j]=
{ 0或∞ 若(v ,v )或<v ,v >不是E(G)中的边
i j i j

图论第1章图的基本概念

G
G[{e1 , e4 , e5 , e6 }]
G − {e5 , e7 }
G + {e8 }
图G1，G2的关系
设 G1 ⊆ G, G2 ⊆ G. 若 V (G1 ) V (G2 ) = φ x-disjoint）若 E (G1 ) E (G2 ) = φ ,则称G1和G2是边不交的（edge-disjoint） G1和G2的并, G1 G2 其中 V (G1 G2 ) = V (G1 ) V (G2 )
连通性
设 u, v 是图G的两个顶点，若G中存在一条 (u, v)
≡ v表示顶点 u 和v是连通的。如果图G中每对不同的顶点 u , v都有一条 (u , v)
以 u
道路，则称顶点 u和 v是连通的(connected)。
道路，则称图G是连通的。
连通图
连通图
图G的每个连通子图称为G的连通分支，简
证明：G中含奇数个 1 (n − 1) 度点。 2 | Vo | 为证明 V (G ) = Vo Ve 由推论1.3.2知，偶数。因为 n ≡ 1(mod 4) ，所以n为奇数个。因此，| Ve | 为奇数个。 n ≡ 1(mod 4) ， 1 2 ( n − 1) 为偶数。 1 1 d ( x ) = n − 1 − d ( x ) ≠ (n − 1) 设 x ∈Ve。若 d ( x) ≠ 2 (n − 1)，则且 2 为偶数。由 G ≅ G c ，存在y，使得 d ( y) = d ( x) 为偶数。即 y ∈Ve 且 d ( y) ≠ 1 (n − 1) 。Ve 中度不为 2 1 (n − 1) 的点是成对的出现的。 2
G
G[{v1 , v2 , v3 }]

_公差原则_标准的分析及应用_最大实体要求

表 1 术语及定义术语名称符号定义图例 ( 以孔为例)实际要素的任意正截面上两对应点之间的距离, 孔用 D a 、轴用 d a 实际尺寸AIS 表示。

见图例( b ) 中的 D 和图 1 ( b ) 、 ( c ) 中的 d 。

!0 . 03 &a a实际要素在给长度上处于 MMS ( D M 、d M ) 时, 且中心要素的形0 最大实体 0 0实效状态MMV C 位误差等于形位公差值的综合极限状态。

0 30 . !实际要素在 MMV C 下的体外作用尺寸, 孔用 D M V 、轴用 d M V 表示。

( a ) 图样标注 ) 最大实体即:D M V =D M - t 形位 ; d M V =d M +t 形位。

见图例 ( b ) 中的 D M V 和图 1 ( b )D)实效尺寸 M MV S中的 d 。

M M BM M VB ( 7t (9 3 M V0 9 . .0 2 ! !)D具有理想形状且边界尺寸为 MMV S 的包容面 ( 极限圆柱面或两平D( 最大实体行平面) , 该包容面既包括内表面 ( 孔) , 也包括外表面 ( 轴) , 见图 3 0 实效边界 MMV B例 ( b ) 中的 MMV B 为内表面和图 1 ( b ) 、 ( c ) 的 M MV B 为外表面。

!( b ) D M V 与 D M 、t 形位的关系《公差原则》标准的分析及应用 ——最大实体要求刘嵬嵬李莉周海张也晗( 哈尔滨工业大学, 哈尔滨, 150001 )文摘: 根据《形状和位置公差》标准中的公差原则和公差要求规定及工程中的实际需要, 对最大实体要求的概念、图样标注方法以及它们在工程中的应用范围进行较详细地论述。

关键词: 形位公差; 公差原则; 最大实体要求; 分析与应用。

《航天标准化》在 2006 年第 4 期上刊登了最大实体要求适用于中心要素, 是指在设计 “《公差原则》标准的分析及应用”一文中, 差原则中的独立原则和包容要求作了介绍, 对公本文的概时用最大实体实效边界 ( MMVB ) 来控制被测要素的实际尺寸和形位误差的综合结果。

机械测量技术-几何公差形状、方向、位置和跳动公差

第四章几何公差形状、方向、位置和跳动公差
二、形位公差项目及符号国家标准规定了14项形位公差，其名称、符号以及分类见表4⁃1。
表4-1 形位公差的分类与基本符号(GB/T 1182—2008)
第四章几何公差形状、方向、位置和跳动公差
三、形位公差的意义和要素对产品的功能要求，除尺寸公差外，还要对产品的形位公差提出
态，且其对应中心要素的形状或位置误差等于图样上标注的形位公差时的综合极限状态。
最大实体实效状态对应的体外作用尺寸称为最大实体实效尺寸MMVS。轴和孔的最大实体实效尺寸分别用符号dMV和DMV表示。 dMV＝ dmax+t M DMV=Dmin-t M
• 6、最小实体实效状态和最小实体实效尺寸最小实体实效状态MMVC是指实际要素在给定长度上处于
要求。 1)公差带的形状常用的有9种，见表4-2。 2)公差带的大小指公差带的宽度t或直径ϕt，如表4-2中所示，t即公差值；取值大小取决于被测要素的形状和功能要求。 3)公差带的方向即评定被测要素误差的方向。 4)公差带的位置，形状公差带没有位置要求，只用来限制被测要素的形状误差。
第四章几何公差形状、方向、位置和跳动公差
（2）实际（组成）要素。由接近实际（组成）要素所限定的工件实际表面的组成要素部分。如图（b）所示。实际（组成）要素是实际存在并将整个工件与周围介质分隔的要素。它由
无数个连续点构成，为非理想要素。
几何要素定义之间的相互关系
4.提取组成要素与提取导出要素（1）提取组成要素。按规定方法，由实际（组成）要素提取有限数目的点所形成的实际（组成）要素的近似替代，如图（c）所示。（2）提取导出要素。由一个或几个提取组成要素得到的中心点、中心线或中心面，如图（c）所示。提取（组成、导出）要素是根据特定的规则，通过对非理想要素提取

数据结构-图的定义和术语

继续进行 ·3
·4
搜索。
·5
·6
·7
·3 ·1
·2
·4 从结点 5 出发的搜索序列：
5、6、2、3、1、4、7 适用的数据结构：栈
图的遍历
2、广度（宽度）优先搜索:
• 树：
A
B
C
D
EFG H
I JK
树的按层次进行访问的次序： A、B、C、D、E、F、G、H、 I、J、K、L
适用的数据结构：队列
L A
1
·1
2
12
11
·2
·11
·12
3
6
7
10
·3 ·6 ·7
·10
4
5
8
9
·4 ·5 ·8
·9
图的广度优先的访问次序：
1、2、11、12、3、6、7、10、4、5、8、9
适用的数据结构：队列
图的连通性问题
2、有向图的强连通分量的求法：续 •强连通分量的求法：
1、对有向图 G 进行深度为主的搜索，按照退出该结点的次序给结点进行编号。最先退出的结点的编号为 1，其它结点的编号按次序逐次增大 1。
点1
3 已在U中
16 21 35
0 0 0
lowcost 表示最小距离
4∞ 0
adjvex 表示相应结点(在V －U中的)
5∞
0
lowcost adjvex
U1
6
5 1
25 35 4
3
6
4
2
566 图G
数组：closedge[ 6 ]
00 15 2 20 35 0 46 2 54 2
lowcost adjvex

课件：图a

图的常用的存储结构有：邻接矩阵、邻接链表、十字链表、邻接多重表和边表。
第6章图
§6.3.1 图的邻接矩阵存储
邻接矩阵（Adjacency Matrix）顶点信息：有n个顶点的图G(V, E) 用一维数组D [ n ] 表示；边的信息：用邻接矩阵A [ n ] [ n ] （二维数组）表示为:
❖ 无权图的邻接矩阵定义
1
A
[i][
j]
0
如果 (vi , vj ) 或 vi , vj 是G的边其它
❖ 无权图的邻接矩阵表示示例[例6.10]
V1
V2
V0
3
V3
12/15
vexs
ad
a b
c
bc
d
(a) 无向图 11 1011 1101 1110
(c) 邻接矩阵
子图、连通、极大顶点数、极大边数
9/15
第6章图
§6.2.1 图的定义和术语
(13) 有向图的强连通图、连通分量：
有向图中任意一对顶点vi 和vj (i≠j)均既有从vi到vj的路径，也有从vj到vi的路径，则称该有向图是“强连通图（Strongly Connected Graph）”。
有向图的极大强连通子图称为“强连通分量（Strongly Connected Component）”。连通分量的概念也包含前面4个要点。
❖ 图的定义
Z
5
8
X
8
5
5
W
7
B
4
5
4
4
H
L
D
4
3 2
5
Y
6
6
C
F
7
[例] 上例图6.2给出了一个图的示例，在该图中：集合V ＝ { B，C，D，F，H，L，W，X，Y，Z }，

专题五通风网络理论讲解

n
n
hij hij hzij 0
j
j
j
( j i,i 1,2, n m 1)
式中: hij—在第i个回路上的第j条风路的风压值，Pa hfij—在第i个回路上的第j条风路中风机的风压，Pa hzij—在第i个回路上的第j条风路的自然风压，Pa
当回路中既无通风机又忽略自然风压时, 即为风压平衡定律。
对于gve有m个节点n条边分支s个回路回路矩阵b回路矩阵b完全回路矩阵ba共有s行实践中可以看出即使中等规模的通风网路其s也相当大但在网路分析中我们并不需要列出系统图中的全部回路只需列出一个线性无关的回路矩阵即找出ba的秩便可满足要求
专题五通风网络理论
通风网络是通风理论的重要组成部分，通风网络图是网络分析的重要依据。
图的定义
简单图：任意两点间只有一条边或分支相连接。（图1、图2）
多重图：两点间有两条以上或分支相连接。（下页图3）
图的定义
图3、一个多重图
（二）、线度
线度是图论中的一个重要数据．简单地讲，
在图Ｇ（Ｖ，Ｇ）中，与某个点相关联的
边（或分支）的数目，就是该点的线度，
记作
d (vi)
出为+
d (v1) 3 (e1, e3, e5)
随着计算机技术的不断发展，通风网络理论的实用价值亦体现出来，越发重要了。
§5-1 图论的基本知识
图论是一个十分重要的数学分支，是建立和研究离散数学模型的重要数学工具之一。
图论中的术语由于目前尚未统一，故给概念的描述带来了一定的困难。
本专题(课程)主要采用网络理论中通常使用的术语。
ET m1, EL nm1
5—3 图的矩阵表示
借助于图的图解表示，虽然可使图的概念的描述具有一定的直观性，但这种表示方法却有局限性，尤其是随着顶点和边的数的增加，要用图的结构就变得很困难，而且，图解表示也不便于图的运算。

面试中图论基本知识

面试中图论基本知识1. 引言在计算机科学中，图论是一门研究图的性质和图的应用的学科。

图由节点（顶点）和边组成，这些节点和边可以表示各种复杂的现实世界问题。

图论在计算机科学中有着广泛的应用，如网络路由算法、社交网络分析等。

本文将介绍面试中常见的图论基本知识。

2. 图的定义和术语图由节点和边组成，节点表示对象，边表示对象之间的关系。

以下是图的一些基本术语：•节点（或顶点）：表示图中的对象，可以是任何东西，如人、地点、事件等。

•边：表示节点之间的关系，可以是有向的（箭头指向某个方向）或无向的。

•有向图：图中的边有方向，表示关系具有方向性。

•无向图：图中的边没有方向，表示关系是双向的。

•权重：边可以带有权重，表示关系的强度或代价。

•路径：节点之间的序列，沿着边从一个节点到达另一个节点。

•循环：路径的起点和终点相同，形成一个环。

•连通图：图中任意两个节点之间都存在路径。

•子图：图的一部分，由图的节点和边的子集组成。

3. 常见的图算法在图论中，有许多用于解决不同问题的算法。

以下是一些常见的图算法：3.1 广度优先搜索（BFS）广度优先搜索是一种用于图的遍历和搜索的算法。

它从一个节点开始，依次访问它的邻居节点，然后再访问邻居节点的邻居节点，以此类推。

广度优先搜索通常用于寻找最短路径或找到两个节点之间的最短距离。

3.2 深度优先搜索（DFS）深度优先搜索也是一种用于图的遍历和搜索的算法。

它从一个节点开始，访问它的邻居节点，然后再访问邻居节点的邻居节点，一直深入到没有未访问节点为止。

深度优先搜索通常用于查找连通分量或判断图是否有环。

3.3 最小生成树（MST）最小生成树是一个连通图的子图，它包含了图中所有的节点，并且边的权重之和最小。

最小生成树通常用于在一个有权图中找到一个最小的连接子图，即把所有节点连接起来的代价最小的方式。

3.4 最短路径算法最短路径算法用于寻找两个节点之间的最短路径。

其中最著名的算法是迪杰斯特拉算法（Dijkstra）和贝尔曼-福特算法（Bellman-Ford）。

图论

结点A的度：3 结点B的度：2 结点M的度：0
结点A的孩子：B，C，D 结点B的孩子：E，F
树的度：3
B
叶子：K，L，F，G，M，I，J
结点I的双亲：D
A
结点L的双亲：E
C
D
结点B，C，D为兄弟结点K，L为兄弟
E
KL
结点A的层次：1 结点M的层次：4
F GH M
IJ
树的深度：4
结点F，G为堂兄弟结点A是结点F，G的祖先
树的基本术语树结点：包含一个数据元素及若干指向子树的分支；孩子结点：结点的子树的根称为该结点的孩子；双亲结点：B结点是A结点的孩子，则A结点是B结点的双亲；兄弟结点：同一双亲的孩子结点；堂兄结点：同一层上结点；结点层次：根结点的层定义为1；根的孩子为第二层结点，依此类推；树的高（深）度：树中最大的结点层结点的度：结点子树的个数树的度：树中最大的结点度。叶子结点：也叫终端结点，是度为0的结点；分枝结点：度不为0的结点（非终端结点）；森林：互不相交的树集合；有序树：子树有序的树，如：家族树；无序树：不考虑子树的顺序；
树是递归结构，在树的定义中又用到了树的概念
例：下面的图是一棵树
B
E
F
A
C
D
G HIJ
T={A, B, C, D, E, F, G, H, I, J}
A是根，其余结点可以划分为3个互不相交的集合： T1={B, E, F} , T2={C, G} , T3={D, H, I, J}
这些集合中的每一集合都本身又是一棵树，它们是A的子树。例如对于 T1，B是根，其余结点可以划分为2个互不相交的集合： T11={E}，T12={F}，T11,T12 是B的子树。