一 图的定义
多对多的关系，是一种网状数据结构。图由非空的顶点集合和一个描述顶点之间关系的集合组成
1.顶点（vertex）：图中的数据元素，如图一。
2.边（edge）：图中连接这些顶点的线，如图一。
所有的顶点构成一个顶点集合，所有的边构成边的集合，一个完整的图结构就是由顶点集合和边集合组成。图结构在数学上记为以下形式：
G=（V,E） 或者 G=（V（G），E（G））
其中 V（G）表示图结构所有顶点的集合，顶点可以用不同的数字或者字母来表示。E（G）是图结构中所有边的集合，每条边由所连接的两个顶点来表示。
图结构中顶点集合V（G）不能为空，必须包含一个顶点，而图结构边集合可以为空，表示没有边。
1.无向图（undirected graph）
如果一个图结构中，所有的边都没有方向性，那么这种图便称为无向图。典型的无向图，如图二所示。由于无向图中的边没有方向性，这样我们在表示边的时候对两个顶点的顺序没有要求。例如顶点VI和顶点V5之间的边，可以表示为(V2， V6),也可以表示为(V6，V2)。
对于上图无向图，对应的顶点集合和边集合如下：
V（G）= {V1，V2，V3，V4，V5，V6}
E（G）= {（V1,V2），（V1，V3），（V2，V6），（V2，V5），（V2，V4），（V4，V3），（V3，V5），（V5，V6）}
2.有向图（directed graph）
一个图结构中，边是有方向性的，那么这种图就称为有向图，如图三所示。由于图的边有方向性，我们在表示边的时候对两个顶点的顺序就有要求。我们采用尖括号表示有向边，例如<V2，V6>表示从顶点V2到顶点V6，而<V6，V2>表示顶点V6到顶点V2。
对于上图有向图，对应的顶点集合和边集合如下：
V（G）= {V1，V2，V3，V4，V5，V6}
E（G）= {<V2，V1>，<V3，V1>，<V4，V3>，<V4，V2>，<V3，V5>，<V5，V3>，<V2，V5>，<V6，V5>，<V2，V6>，<V6，V2>}
注意：
无向图也可以理解成一个特殊的有向图，就是边互相指向对方节点，A指向B，B又指向A。
3.混合图（mixed graph）
一个图结构中，边同时有的是有方向性有的是无方向型的图。在生活中混合图这种情况比较常见，比如城市道路中有些道路是单向通行，有的是双向通行。
** 4.顶点的度**
连接顶点的边的数量称为该顶点的度。顶点的度在有向图和无向图中具有不同的表示。对于无向图，一个顶点V的度比较简单，其是连接该顶点的边的数量，记为D(V)。 例如，上图所示的无向图中，顶点V5的度为3。而V6的度为2。
对于有向图要稍复杂些，根据连接顶点V的边的方向性，一个顶点的度有入度和出度之分。
入度是以该顶点为端点的入边数量， 记为ID(V)。
出度是以该顶点为端点的出边数量， 记为OD(V)。
这样，有向图中，一个顶点V的总度便是入度和出度之和，即D(V) = ID(V) + OD(V)。例如，上图所示的有向图中，顶点V5的入度为3,出度为1，因此，顶点V5的总度为4。
5.邻接顶点
邻接顶点是指图结构中一条边的两个顶点。 邻接顶点在有向图和无向图中具有不同的表示。对于无向图，邻接顶点比较简单。例如，在上图所示的无向图中，顶点V2和顶点V6互为邻接顶点，顶点V2和顶点V5互为邻接顶点等。
对于有向图要稍复杂些，根据连接顶点V的边的方向性，两个顶点分别称为起始顶点(起点或始点)和结束顶点(终点)。有向图的邻接顶点分为两类：
- 入边邻接顶点：连接该顶点的边中的起始顶点。例如，对于组成<V2，V6>这条边的两个顶点，V2是V6的入边邻接顶点。
- 出边邻接顶点：连接该顶点的边中的结束顶点。例如，对于组成<V2，V6>这条边的两个顶点，V6是V2的出边邻接顶点。
6.无向完全图
如果在一个无向图中， 每两个顶点之间都存在条边，那么这种图结构称为无向完全图。典型的无向完全图，如下图所示。
理论上可以证明，对于一个包含M个顶点的无向完全图，其总边数为M(M-1)/2。比如图四总边数就是5（5-1）/ 2 = 10。
7有向完全图
如果在一个有向图中，每两个顶点之间都存在方向相反的两条边，那么这种图结构称为有向完全图。典型的有向完全图，如下图所示。
理论上可以证明，对于一个包含N的顶点的有向完全图，其总的边数为N(N-1)。这是无向完全图的两倍，这个也很好理解，因为每两个顶点之间需要两条边。
8.有向无环图（DAG图）
如果一个有向图无法从某个顶点出发经过若干条边回到该点，则这个图是一个有向无环图。有向无环图可以利用在区块链技术中。
9.无权图和有权图
这里的权可以理解成一个数值，就是说节点与节点之间这个边是否有一个数值与它对应，对于无权图来说这个边不需要具体的值。对于有权图节点与节点之间的关系可能需要某个值来表示，比如这个数值能代表两个顶点间的距离，或者从一个顶点到另一个顶点的时间，所以这时候这个边的值就是代表着两个节点之间的关系，这种图被称为有权图
10.图的连通性
图的每个节点不一定每个节点都会被边连接起来，所以这就涉及到图的连通性，如下图：
11.简单图 ( Simple Graph)
对于节点与节点之间存在两种边，这两种边相对比较特殊
1.自环边（self-loop）：节点自身的边，自己指向自己。
2.平行边（parallel-edges）：两个节点之间存在多个边相连接。
这两种边都是有意义的，比如从A城市到B城市可能不仅仅有一条路，比如有三条路，这样平行边就可以用到这种情况。不过这两种边在算法设计上会加大实现的难度。而简单图就是不考虑这两种边。
二 图的存储
1 链接矩阵： 二维数组 顺序表
2 邻接表：链表
三 图的遍历
图的遍历就是从图中的某个节点出发，按某种方式对图中所有的顶点访问且仅访问一次，图的遍历是求解图的连通性，拓补排序，和关键路径等算法的基础
1：深度优先遍历（DFS）可递归可借助栈
类似于树的先序遍历，是树的先序遍历的推广
2：广度优先遍历(BFS) 借助度队列实现
类似于树的层次遍历，是树的层次遍历的推广
无向图遍历：
四 图的最短路径
在许多领域中，带权图都被用来描述某个网路，如通信，交通等，这种情况下每个边的权重就对应与两点之间的通信成本或交通费用，一类典型问题就是，在任意指定两点间若存在通路，那么最小的消耗是多少，这列问题实际就是带权图中两点之间最短路径的问题
1 | 1： 段数最少的最短路径 |
迪克斯特拉算法解释：如求v1到v8的最短路径
五 实现
暂时没空，略