前言

图论基础

图的相关概念

图的定义

图的分类

按数量分类：

按边的类型分类：

边权

简单图

度

路径

连通

无向图

有向图

图的存储

方法概述

代码

复杂度

---

前言

图论（Graph theory），是 OI 中的一样很大的一个模块，围绕它有很多高难度的算法以及高级的概念。这篇文章将介绍关于图论的一部分基础概念（干货满满！），话不多说，步入正题——

图论基础

（干货太多了，建议先收藏！）

图的相关概念

图的定义

图（graph）是一个二元组 G = (V(G), E(G))。其中 V(G) 是非空集，称为 点集（vertex set），对于 V 中的每个元素，我们称其为 顶点（vertex）或 节点（node），简称 点；E(G) 为 V(G) 各结点之间边的集合，称为 边集（edge set）。

我们一般用 G = (V, E) 表示图。

举个例子：

这就是一张图，1，2，3，4，5 就是它的节点。

推荐一个网站：Cs Academy

这里有十分好用的图编辑器，可以帮你加强理解图论！

图的分类

按数量分类：

当 V, E 都是有限集合时，称 G 为 有限图。

当 V 或 E 是无限集合时，称 G 为 无限图。

按边的类型分类：

图有多种，包括 无向图 (undirected graph)，有向图 (directed graph)，混合图 (mixed graph) 等。

若为无向图，则图中的每个元素为一个无序二元组 (u, v)，称作 无向边 (undirected edge)，简称 边 (edge)，其中 u, v ∈ V。设 e = (u, v)，则 u 和 v 称为 e 的 端点 (endpoint)。

若为有向图，则图中的每一个元素为一个有序二元组 (u, v)，有时也写作 u → v，称作 有向边 (directed edge) 或 弧 (arc)，在不引起混淆的情况下也可以称作 边 (edge)。设 e = u → v ，则此时 u 称为 e 的 起点 (tail)，v 称为 e 的 终点 (head)，起点和终点也称为 e 的 端点 (endpoint)。并称 u 是 v 的直接前驱，v 是 u 的直接后继。

若为混合图，则图中既有 有向边，又有 无向边。

还拿这张图来说，这是一个无向图。

这就是一张有向图。

边权

若图的每条边都被赋予一个数作为该边的 权，则称这张图为 赋权图。如果这些权都是正实数，就称为 正权图。

这张图就是一张 赋权图。

简单图

自环 (loop)：对 E 中的边 e = (u,v) ，若 u = v ，则 e 被称作一个自环。

重边 (multiple edge)：若 E 中存在两个完全相同的元素（边）e1,e2 ，则它们被称作（一组）重边。

简单图 (simple graph)：若一个图中没有自环和重边，它被称为简单图。具有至少两个顶点的简单无向图中一定存在度相同的结点。

如果一张图中有自环或重边，则称它为 多重图 (multigraph)。

度

与一个顶点 v 关联的边的条数称作该顶点的 度 (degree)，记作 d(v)。特别地，对于边 (v, v)，则每条这样的边要对 d(v) 产生 2 的贡献。

对于无向简单图，有 d(v) = |N(v)|。

推论：在任意图中，度数为奇数的点必然有偶数个。（一笔画问题应该了解过吧）

若 d(v) = 0，则称 v 为 孤立点 (isolated vertex)。

若 d(v) = 1，则称 v 为 叶节点 (leaf vertex)/悬挂点 (pendant vertex)。

若 2 | d(v)，则称 v 为 偶点 (even vertex)，否则为 奇点 (odd vertex)。

若 d(v) = |V| - 1，则称 v 为 支配点 (universal vertex)。

（这些概念了解就行了，不需要特别去记）

对一张图，所有节点的度数的最小值称为 最小度 (minimum degree)，最大值称为 最大度 (maximum degree)。

在有向图中，以一个顶点为起点的边的条数称为该顶点的 出度 (out-degree)，以一个顶点  为终点的边的条数称为该节点的 入度 (in-degree)。

如果给定一个序列 a，可以找到一个图 G，以其为度数列，则称 a 是 可图化 的。

如果给定一个序列 a，可以找到一个简单图 G，以其为度数列，则称 a 是 可简单图化 的。

路径

途径 (walk)：途径是连接一连串顶点的边的序列，可以为有限或无限长度。形式化地说，一条有限途径 w 是一个边的序列 e1,e2,...,ek，使得存在一个顶点序列 v0,v1,...,vk 满足 ei = (v i-1,v i)，其中 i ∈ [1, k] 。这样的途径可以简写为 v0  → v1 → v2 → ... → vk 。通常来说，边的数量 k 被称作这条途径的 长度（如果边是带权的，长度通常指途径上的边权之和，题目中也可能另有定义）。

看不懂？（我也看不懂）为了更好地理解，可以把一张图当作一个地图，节点就是车站，边就是路，那么路径就是从一个车站到另一个车站的路线。如果这张图是赋权图，也就是说车站之间有了距离，那么路径的 长度 就是车站到车站的路线的长度。

回路 (circuit)：对于一条路径 w，若 v0 = vk，则称 w 是一条回路。

连通

无向图

对于一张无向图 G = (V,E)，对于 u,v ∈ V，若存在一条途径使得 v0 = u, vk = v，则称 u 和 v 是 连通的 (connected)。由定义，任意一个顶点和自身连通，任意一条边的两个端点连通。

若无向图 G = (V,E)，满足其中任意两个顶点均连通，则称 G 是 连通图 (connected graph)，这一性质称作 连通性 (connectivity)。

有向图

对于一张有向图 G = (V,E)，对于 u,v ∈ V，若存在一条途径使得 v0 = u, vk = v, 则称 u 可达 v。由定义，任意一个顶点可达自身，任意一条边的起点可达终点。（无向图中的连通也可以视作双向可达。）

若一张有向图的节点两两互相可达，则称这张图是 强连通的 (strongly connected)。

若一张有向图的边替换为无向边后可以得到一张连通图，则称原来这张有向图是 弱连通的 (weakly connected)。

到这，你已经看过了图的大部分概念。全是干货，如果还没理解，可以收藏起来慢慢看！

图的存储

本文会介绍最常用的存储方法，也就是：直接存边。

方法概述

使用一个数组来存边，数组中的每个元素都包含一条边的起点与终点（带边权的图还包含边权）。

代码

struct Edge {
  int u, v;
};
vector<Edge> e;

复杂度

查询是否存在某条边：O(m) 。

遍历一个点的所有出边：O(m) 。

遍历整张图：O(nm) 。

空间复杂度：O(m) 。

---

干货太多，整理得肝疼，求个点赞收藏不过分吧！（求求了！）

本文就到这里，下次再见！