“

吐血整理程序员必读书单：

”

前言

从本篇开始我们将会一起来学习图相关的算法，图算有很多相当实用算法，比如：垃圾回收器的标记清除算法、地图上求路径的最短距离、拓扑排序等。在开始学习这些算法之前我们需要先来了解下图的基本定义，以及使用哪种数据结构来表示一张图，本篇我们先从无向图开始学习。

图的定义

图：是有一组顶点和一组能够将两个订单相连组成的。连接两个顶点的边没有方向，这种图称之为无向图。

图的术语

通过同一条边相连的两个顶点我们称这两个顶点相邻；

某个顶点的度数即表示连接这个顶点的边的总数；如上图：顶点1的度数是3

一条边连接了一个顶点与其自身，我们称为自环

连接同一对顶点的边称为平行边

“

术语还有很多，暂时这里只列出本篇我们需要使用到的术语，后面有在使用到其他的术语再做解释，太多也不太容易记得住

”

如何表示出图

图用什么数据结构来表示主要参考两个要求：

在开发图的相关算法时，图的表示的数据结构是基础，所以这种数据结构效率的高在实际的过程中图的大小不确定，可能会很大，所以需要预留出足够的空间

考虑了这两个要求之后大佬们提出以下三个方法来供选择：

邻接矩阵 键入有v个顶点的图，我们可以使用v乘以v的矩阵来表示，如果顶点v与w相连，那么把v行w列设置为true，这样就可以表示两个顶点相连，但是这个方式有个问题，如果遇到图很大，会造成空间的浪费。不满足第二点。其次这种方式没办法表示平行边边的数组 可以定义一个表示的边对象，包含两个int属性表示顶点，但是如果需要找到某个顶点的相连顶点有哪些，我们就需要遍历一遍全部的边。这种数据结构的效率较差邻接表数组 定义一个数组，数组的大小为顶点的个数，数据下标表示顶点，数组中每个元素都是一个链表对象（LinkedListQueue）,链表中存放的值就是与该顶点相连的顶点。（LinkedListQueue我们已经在之前的文章中实现，可以参考文章《》）无向图的API定义

public class Graph {    public Graph(int V); //创建含有v个顶点不含边的图        public int V(); //返回顶点的个数        public int E(); //返回图中边的总数        public void addEdge(int v, int w); //向图中添加一条边 v-W             public Iterable<Integer> adj(int v); //返回与v相邻的所有顶点        public String toString(); //使用字符串打印出图的关系}

要实现上面定义的API，我们需要三个成员变量，v表示图中顶点的个数，e表示图总共边的数据，LinkedListQueue的数组用来存储顶点v的相邻节点；

构造函数会初始化空的邻接表数组

因为是无向图，所以addEdge方法在向图中添加边既要添加一条v->w的边，又需要添加一条w->v的边

public class Graph {    private final int v;    private int e;    private LinkedListQueue<Integer>[] adj;    public Graph(int v) {        this.v = v;        this.adj = (LinkedListQueue<Integer>[]) new LinkedListQueue[v];        for (int i = 0; i < v; i++) {            this.adj[i] = new LinkedListQueue<>();        }    }    public int V() {        return v;    }    public int E() {        return e;    }    public void addEdge(int v, int w) {        this.adj[v].enqueue(w);        this.adj[w].enqueue(v);        this.e++;    }    public Iterable<Integer> adj(int v) {        return this.adj[v];    }    @Override    public String toString() {        StringBuilder sb = new StringBuilder();        sb.append(v).append(" 个顶点，").append(e).append(" 条边\n");        for (int i = 0; i < v; i++) {            sb.append(i).append(": ");            for (int j : this.adj[i]) {                sb.append(j).append(" ");            }            sb.append("\n");        }        return sb.toString();    }}

基于图数据结构的实现，我们可以提供一些工具方法

计算顶点v的度数 顶点的度数就等于与之相连接顶点的个数

public static int degree(Graph graph, int v) {    int degree = 0;    for (int w : graph.adj(v)) {        degree++;    }    return degree;}

public static int maxDegree(Graph graph) {    int maxDegree = 0;    for (int v = 0; v < graph.V(); v++) {        int degree = degree(graph, v);        if (maxDegree < degree) {            maxDegree = degree;        }    }    return maxDegree;}

public static double avgDegree(Graph graph) {    return 2.0 * graph.E() / graph.V();}

public static int numberOfSelfLoops(Graph graph) {    int count = 0;    for (int v = 0; v < graph.V(); v++) {        for (int w : graph.adj(v)) {            if (v == w) {                count++;            }        }    }    return count / 2;}

本篇我们主要学习使用何种数据结构来表示一张图，以及基于这种数据结构实现了几个简单的工具方法，在下一篇我们将来学习图的第一个搜索算法 - 深度优先搜索

文中所有源码已放入到了github仓库:

最后（点关注，不迷路）

文中或许会存在或多或少的不足、错误之处，有建议或者意见也非常欢迎大家在评论交流。

最后，写作不易，请不要白嫖我哟，希望朋友们可以点赞评论关注三连，因为这些就是我分享的全部动力来源

精美的淘客项目完全开源啦，有需要的朋友回复「源码」或私信发送「源码」