一、是什么
在计算机科学中，图是一种抽象的数据类型，在图中的数据元素通常称为结点，V是所有顶点的集合，E是所有边的集合
如果两个顶点v,w，只能由v向w，而不能由w向v，那么我们就把这种情况叫做一个从 v 到 w 的有向边。v也被称做初始点，w也被称为终点。这种图就被称做有向图
如果v和w是没有顺序的，从v到达w和从w到达v是完全相同的，这种图就被称为无向图
图的结构比较复杂，任意两个顶点之间都可能存在联系，因此无法以数据元素在存储区中的物理位置来表示元素之间的关系
常见表达图的方式有如下：
- 邻接矩阵
- 邻接表
邻接矩阵
通过使用一个二维数组G[N][N]进行表示N个点到N-1编号，通过邻接矩阵可以立刻看出两顶点之间是否存在一条边，只需要检查邻接矩阵行i和列j是否是非零值，对于无向图，邻接矩阵是对称的
邻接表
存储方式如下图所示：
在javascript中，可以使用Object进行表示，如下：
- constgraph={
- A:[2,3,5],
- B:[2],
- C:[0,1,3],
- D:[0,2],
- E:[6],
- F:[0,6],
- G:[4,5]
- }
图的数据结构还可能包含和每条边相关联的数值(edge value)，例如一个标号或一个数值(即权重，weight;表示花费、容量、长度等)
二、操作
关于图的操作常见的有：
- 深度优先遍历
- 广度优先遍历
首先构建一个图的邻接矩阵表示，如下面的图：
用代码表示则如下：
- constgraph={
- 0:[1,4],
- 1:[2,4],
- 2:[2,3],
- 3:[],
- 4:[3],
- }
深度优先遍历
也就是尽可能的往深处的搜索图的分支
实现思路是，首先应该确定一个根节点，然后对根节点的没访问过的相邻节点进行深度优先遍历
确定以 0 为根节点，然后进行深度遍历，然后遍历1，接着遍历 2，然后3，此时完成一条分支0 – 1- 2- 3的遍历，换一条分支，也就是4，4后面因为3已经遍历过了，所以就不访问了
用代码表示则如下：
- constvisited=newSet()
- constdfs=(n)=>{
- console.log(n)
- visited.add(n)//访问过添加记录
- graph[n].forEach(c=>{
- if(!visited.has(c)){//判断是否访问呢过
- dfs(c)
- }
- })
- }
广度优先遍历
先访问离根节点最近的节点，然后进行入队操作，解决思路如下：
- 新建一个队列，把根节点入队
- 把队头出队并访问
- 把队头的没访问过的相邻节点入队
- 重复二、三步骤，知道队列为空
用代码标识则如下：
- constvisited=newSet()
- constdfs=(n)=>{
- visited.add(n)
- constq=[n]
- while(q.length){
- constn=q.shift()
- console.log(n)
- graph[n].forEach(c=>{
- if(!visited.has(c)){
- q.push(c)
- visited.add(c)
- }
- })
- }
- }
三、总结
通过上面的初步了解，可以看到图就是由顶点的有穷非空集合和顶点之间的边组成的集合，分成了无向图与有向图
图的表达形式可以分成邻接矩阵和邻接表两种形式，在javascript中，则可以通过二维数组和对象的形式进行表达
图实际是很复杂的，后续还可以延伸出无向图和带权图，对应如下图所示：
参考文献
https://zh.wikipedia.org/wiki/%E5%9B%BE_(%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84)
https://www.kancloud.cn/imnotdown1019/java_core_full/2159607
原文链接：https://mp.weixin.qq.com/s/rzyhoK0UjtOjFObVL9HUBQ
