本文主要内容为:图的定义以及基本术语

  • 图的定义

图G的组成:由 数据元素的集合E 和 数据间的关系集合E 组成,记作:G = <V, E>

顶点 (vertex):数据元素,V就是顶点的有穷非空集合

边 (edge): 顶点的序偶对,例如 (v1, v2),E就是边的集合

    • 子图

定义:设 G=<V, E> 是一个图,E' 是 E 的子集,V' 是 V 的子集,且 E' 中的边权 仅与 V' 中的顶点相关联,

则 G' = <V', E'> 称为 图G 的子图

特殊的子图:空图,只有一个顶点,图G本身

    • 无向图

定义:代表一条边的顶点的序偶是无序的(即该边无方向)

表示:无序的序偶对用圆括号表示,例如 (v1, v2) 和 (v2, v1) 是代表同一条边

    • 有向图

定义:代表一条边的顶点的序偶是有序的(即该边有方向)

表示:有序的序偶对用尖括号表示,例如 <v1, v2> 和 <v2, v1> 是代表不同的边

弧:有向图的边的别称

弧尾 / 始点:边的起点,例如 <v1, v2> 中的 v1

弧头 / 终点:边的终点,例如 <v1, v2> 中的 v2

    • 带权图

定义:图的每条边边或弧都附带权(weight)

权的作用:可以用于表示从一个顶点到另一个顶点的距离,费用,代价等等

    • 稀疏图:边比较少的图
    • 稠密图:边比较多的图
    • 完全图:任何两个顶点间都有边相关联的图
  • 图的基本术语

    • 无向图顶点 v 的度:与该顶点相关的边的数目,记作 D(v)
    • 有向图顶点 v 的入度:以顶点 v 为终点的弧的数目,记作 ID(v)
    • 有向图顶点 v 的出度:以顶点 v 为起点的弧的数目, 记作 OD(v)
    • 终端顶点 / 叶子:出度为 0 的顶点
    • 路径:从一个顶点到另一个顶点,中间允许经过其他顶点,有向图的路径也是有向的
    • 路径长度:路径上的 边 或 弧  * 权重 之和
    • 回路 / 环:路径的起点和终点是同一个顶点的路径
    • 图的根:从该顶点有路径可以到达图的其他所有顶点
    • 连通图:无向图的任意两个顶点有路径
    • 强连通图:有向图的任意两个顶点之间有来回路径
    • 连通分量:无向图中的极大连通子图
    • 强连通分量:有向图强连通的极大子图
    • 网络:带权的连通图
  • 图的相关计算

n:表示图中顶点的数目

e:表示图中边的数目

    • 无向图 e 的取值范围:[0,n(n - 1) / 2]
    • 有向图 e 的取值范围:[0, n(n - 1)]

图 Graph的更多相关文章

  1. 纸上谈兵: 图 (graph)

    作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明.谢谢! 图(graph)是一种比较松散的数据结构.它有一些节点(vertice),在某些节 ...

  2. 从图(Graph)到图卷积(Graph Convolution):漫谈图神经网络模型 (二)

    本文属于图神经网络的系列文章,文章目录如下: 从图(Graph)到图卷积(Graph Convolution):漫谈图神经网络模型 (一) 从图(Graph)到图卷积(Graph Convolutio ...

  3. 从图(Graph)到图卷积(Graph Convolution):漫谈图神经网络模型 (一)

    本文属于图神经网络的系列文章,文章目录如下: 从图(Graph)到图卷积(Graph Convolution):漫谈图神经网络模型 (一) 从图(Graph)到图卷积(Graph Convolutio ...

  4. 算法与数据结构基础 - 图(Graph)

    图基础 图(Graph)应用广泛,程序中可用邻接表和邻接矩阵表示图.依据不同维度,图可以分为有向图/无向图.有权图/无权图.连通图/非连通图.循环图/非循环图,有向图中的顶点具有入度/出度的概念. 面 ...

  5. 从图(Graph)到图卷积(Graph Convolution):漫谈图神经网络模型 (三)

    本文属于图神经网络的系列文章,文章目录如下: 从图(Graph)到图卷积(Graph Convolution):漫谈图神经网络模型 (一) 从图(Graph)到图卷积(Graph Convolutio ...

  6. echart——关系图graph详解

    VueEchart组件见上一篇 <template> <VueEcharts :options="options" auto-resize /> </ ...

  7. 某种带权有向无环图(graph)的所有路径的求法

    // 讨论QQ群:135202158 最近做某个东西,最后用图实现了,这里总结一下算法. 假设有以下带权有向无环图(连通或非连通,我这里用的是非连通的): 每个节点(node)可能与其他节点有向地相连 ...

  8. 小白学Python(18)——pyecharts 关系图 Graph

    Graph-基本示例 import json import os from pyecharts import options as opts from pyecharts.charts import ...

  9. 【JZOJ6357】小ω的图(graph)

    description analysis 拆位从高位到低位贪心 对于当前位,如果把所有当前位为\(1\)的边塞入,\(1\)和\(n\)连通,则该位必须为\(1\) 这个是因为高位的\(1\)比所有低 ...

随机推荐

  1. 内网安装python第三方包

    内网快速安装python第三方包 内网安装包是一个很麻烦的问题,很多时候,内网的源会出现问题,导致无法安装. 这里给出一种快速在内网中安装第三方包,无需使用内网的源. 外网操作 1.根据开发环境下的所 ...

  2. absolute与relative 的超越

    relative 超越了自身而已,所有位置的变化是相对于正常流下自身的表现而言 absolute  超越了父容器,位置信息是基于父容器的位置而言

  3. IDEA安装leetcode editor插件

    leetcode > https://leetcode-cn.com/ 本地idea刷题可以直接同步提交,测试等相关操作 需要安装leetcode editor插件 1.idea setting ...

  4. JsonPath在接口自动化中的应用

    我理解jsonpath于json而言,就像是xpath在XML中的作用.用来确定json中某部分数据的语言.我更喜欢叫jsonpath表达式,因为这样好像是数学问题. 以前和小伙伴一起写接口自动化的时 ...

  5. tensorflow的tfrecord操作代码与数据协议规范

    tensorflow的数据集可以说是非常重要的部分,我认为人工智能就是数据加算法,数据没处理好哪来的算法? 对此tensorflow有一个专门管理数据集的方式tfrecord·在训练数据时提取图片与标 ...

  6. LVM划分磁盘及扩容缩容

    lvm:logical volume monitor 逻辑卷管理器 作用: 采用lvm划分磁盘:磁盘空间不够时,方便扩展磁盘.物理卷加到卷组时被划分等大的pe,即pv是由众多pe构成.pe是卷组的最小 ...

  7. 常见MFC函数

    1.MFC常用函数:WinExec()ExitWindowsEx()GlobalMemoryStatus()GetSystemInfo()GetSystemDirectory()GetWindowsD ...

  8. Natapp内网穿透服务工具

    在做微信开发的时候,调用微信接口成功之后,微信会回调我们事先配置好的一个接口.由于微信的服务是在外网的,所以这个回调接口也只能是外网,而且微信要求回调接口只能是通过ICP备案的域名,不能使用IP,所以 ...

  9. django清理migration终极解决办法

    1.django生成数据表结构的过程 在我们设计好models以后,我们可以通过以下命令生成将要同步给数据库的数据结构文件 python manage.py makemigrations 生成的文件在 ...

  10. C#6,C#7,V#8,C#9 的新特性总结

    看了一下,下图的所有我都有用过,感觉越高的版本越好用. C# 6.0 特性 C# 7.0  Vs2017 C# 8.0     .net core 3.0+ C#9.0 .net5 C#的各种语法糖, ...