图的存储结构 - 链式前向星、邻接表

图的定义和术语总结

图按照有无方向分为有向图和无向图。有向图由顶点和弧构成。无向图由顶点和边构成。弧有弧尾和弧头之分。
无向图顶点边数叫做度，有向图顶点分为入度和出度。

图的存储结构

图的存储只影响遍历方式和效率。

邻接矩阵（Adjacency Matrix）

简单、好理解。但点的数量不能太多，$n\le 1000$。
在无向图中，顶点 $v_i$ 的度为在邻接矩阵中第 $i$ 行（或第 $i$ 列）的元素之和。
在有向图中，顶点 $v_i$ 的出度为在邻接矩阵中第 $i$ 行的元素之和，顶点 $v_i$ 的入度为在邻接矩阵中第 $i$ 列的元素之和。
在带权图中，一般初始化为 $\infty$，表示没有边。
$n$ 个顶点和 $e$ 条边的无向图的创建，时间复杂度为 $O(n+n^2+e)$，其中初始化邻接表耗费 $O(n^2)$。

在无向图中，还有一种「半矩阵」的存储方式，用上三角（或下三角）+ 主对角线 压缩存储的一维数组方式。
一个 $n\times n$ 的邻接矩阵可以被压缩到 $\frac{n(n+1)}{2}$ 个元素。

邻接表（Adjacency List）

上述邻接矩阵对于边数较少顶点较多的图会产生极大浪费。
我们把数组与链表相结合的存储方式成为邻接表。
邻接表一般用ArrayList<ArrayList<Integer>> 维护。最常用。
$n$ 个顶点和 $e$ 条边的无向图的创建，时间复杂度为 $O(n+e)$。

链式前向星

静态版的邻接表，时空效率更极致。
本质上是用链表实现的邻接表，从点映射到第一条边，再在 $next$ 数组上跳跃。这个链表使用头插法维护的。
$head$ 数组：$起点\stackrel{\text{映射}}{\to }第一条边$。
$next$ 数组，$边\stackrel{\text{映射}}{\to }当前边的后继$。
$to$ 数组：$边\stackrel{\text{映射}}{\to }当前边的终点$。
核心代码如下：

// 把握住头插法的流程
// head[u] 和 cnt 的初始值为 -1
public static void add(int u, int v, int w) {
	next[++cnt] = head[u];
	head[u] = cnt
	to[cnt] = v;
	weight[cnt] = w;
}

// 遍历所有点
for (int u = 1; u <= n; u++) {
	System.out.print(u + "(邻居、边权) : ");
	// 遍历 u 的出边
	for (int i = head[u]; i != -1; i = next[i]) { // c++ 可以用 ~i 用于表示 i != -1
		System.out.print("(" + to[i] + "," + weight[i] + ") ");
	}
	System.out.println();
}

$head$ 数组长度为点的数量
$next、to、weight$ 数组长度为边的数量，如果是无向图则需要边的数量x2。

#atom