图有邻接矩阵和邻接表两种存储方法，邻接矩阵很简单，这里不讨论，下面我们先看看常用的邻接表表示方法。
邻接表常用表示方法
指针表示法
指针表示法一共需要两个结构体：
struct ArcNode //定义边表结点
{
int adjvex； //邻接点域
ArcNode* next;
};
struct VertexNode //定义顶点表结点
{
int vertex;
ArcNode* firstedge;
};每个节点对应一个VertexNode，其firstedge指向边表（与当前节点邻接的表构成的链表）的头节点。
vector表示法
使用vector模拟邻接表，十分方便简洁，v是一个数组，对应于上面的顶点表，v[i]是一个vector，存放邻接顶点的下标。
这种方法的缺陷是：要求顶点的编号从0~MAXN-1。
vector<int> v[MAXN];数组表示法
head[i]：指向编号为i的顶点的邻接表中第一条边的序号；
h：边的序号；
e：边表，每条边对应一个序号，由h给出；
int head[MAXN]; //初始化为-1
int h = 0;
struct Edge
{
int adjvex;
int next;
};
Edge e[MAXN<<1]；
void add(int a, int b) //a与b邻接
{
e[h].adjvex = b; //当前边的序号为h，
e[h].next = head[a]; //头插法
head[a] = h++;
}深度优先遍历
图的深度优先遍历（DFS）类似于树的前序遍历：
访问顶点v，visited[v] = 1;
w = 顶点v的第一个邻接点；
while(w存在)
if(w未被访问) 从顶点w出发递归执行DFS；
w = 顶点v的下一个邻接点；广度优先遍历
图的广度优先遍历（BFS）类似于树的层次遍历：
初始化队列Q；
访问顶点v；visited[v] = 1；顶点v入队列Q；
while(队列非空)
v = 队列Q的队头元素出队；
w = 顶点v的第一个邻接点；
while (w存在)
如果w未被访问，访问w；visited[w] = 1;顶点w入队列Q；
w = 顶点v的下一个邻接点；注意，我们这里的队列用来存储已被访问的顶点，即对于每个顶点，我们是先访问，再入队，这样可以避免顶点的重复入队。
最小生成树（MST）
最小生成树算法以Prim算法和Kruskal算法最为经典。
Prim算法
初始化：一个顶点，空边集。
其基本思想是，寻找这样的边：满足“一个点在生成树中，一个点不在生成树中”的边中权值最小的一条边。将找到的边加入边集中，顶点加到顶点集中，当所有顶点都加入进来时，算法结束。
初始化: U = {v0}; TE = {};
while (U != V)
{ 在E中寻找最短边(u, v),且满足 u∈U，v∈V-U； U = U + {v}；
TE = TE + {(u, v)};
}由于Prim需要不断读取任意两个顶点之间边的权值，所以适合用邻接矩阵存储。
为找出最短边，我们定义一个候选最短边的集合，用来存放候选的边（一个点在生成树中，一个点不在生成树中）。我们使用数组shortEdge[n]来表示这个集合，数组元素包含adjvex和lowcost两个域，分别表示邻接点和权值。比如shortEdge[i].adjvex = k, shrotEdge[i].lowcost = w表示下标为i和下标为k的顶点邻接，边的权值为w。
void Prim(Graph G)
{
for (int i = 1; i < G.vertexNum; ++i) //初始化辅助数组
{
shortEdge[i].lowcost = G.arc[0][i];
shortEdge[i].adjvex = 0;
}
shortEdge[0].lowcost = 0; //将顶点0加入集合U
for (int i = 1; i < G.vertexNum; ++i)
{
int k = MinEdge(shortEdge, G.vertexNum); //寻找最短边的邻接点k；
cout << '(' << k << ',' << shortEdge[k].adjvex << ')' << endl;
shorEdge[k].lowcost = 0; //将k加入集合U
for (int j = 1; j < G.vertexNum; ++j) //更新数组shortEdge
{
//k新加入U，更新与k邻接的点的lowcost。
if (G.arc[k][j] < shortEdge[j].lowcost)
{
shortEdge[j].lowcost = G.arc[k][j];
shortEdge[j].adjvex = k;
}
}
}
}Prim算法的时间复杂度为O(n^2)，与图中的边数无关，适合求稠密图的最小生成树。
Kruskal算法
初始化：n个顶点（即n个连通分量），空边集。
其基本思想是：每次从未标记的边中选取最小权值的边，如果该边的两个顶点位于两个不同的连通分量，则将该边加入最小生成树，合并两个连通分量，并标记该边。否则，位于同一个连通分量，则去掉该边（同样标记即可），避免造成回路。
可见，此算法的关键是：如何考察两个顶点是否位于两个不同连通分量。最简单的做法是：使用并查集。
此算法需要对边进行操作，所以我们用边集数组存储图的边，为提高最短边查找速度，可以先按权值排序。
const int MaxVertex = 10;
const int MaxEdge = 100;
struct EdgeType
{
int from, to;
int weight;
};
template <class DataType>
struct EdgeGraph
{
DataType vertex[MaxVertex];
EdgeType edge[MaxEdge];
int vertexNum, edgeNum;
};
void Kruskal(EdgeGraph G)
{
for (int i = 0; i < G.vertexNum; ++i)
parent[i] = -1;
for (int num = 0, i = 0; i < G.edgeNum; ++i)
{
v1 = FindRoot(partent, G.edge[i].from);
v2 = FindRoot(partent, G.edge[i].to);
if (v1 != v2) //不同连通分量
{
cout << '(' << v1 << ',' << v2 << ')' << endl;
parent[v2] = v1; //合并
num++;
if (num == n-1) return;
}
}
}
int FindRoot(int parent[], int v)
{
int t = v;
if (parent[t] != -1) t= parent[t]; //一直往上找到根节点
return t;
}最短路径
最短路径经典的算法有Dijkstra算法（单源最短路，不能处理负权），SPFA算法（单源最短路，可处理负权），Floyd算法（任一对顶点间的最短路）。
Dijkstra算法
此算法使用贪心策略，这里作为复习，只讲一讲实现，不再讨论原理了，下面贴出一张图，方便大家回忆。
其中黑色顶点之间的灰色边为已选的边，黑色与灰色顶点之间的灰色边为候选边。
每一次添加一条边就更新顶点的最短路径值，贪心策略为每次选取值最小的点。
由于此算法需要快速求得任意两顶点之间边的权值，所以用邻接矩阵存储。
为记录每个顶点的最短路径值，需要辅助数组dist[n]：dist[i]表示当前所找到的从源点v到终点vi的最短路径长度。
初始值：若从v到vi有弧，则dist[i]为弧上的权值，否则为正无穷。
为记录路径，需要辅助数组path[n]：path[i]为一个字符串，表示当前所找到的从源点v到终点vi的最短路径。
初始值：若从v到vi有弧，则path[i]为“v vi”，否则为“”。
数组s[n]：存放源点和已经生成的终点。
伪代码：
初始化数组dist，path和s
while (s中元素个数 < n)
{
在dist[n]中找最小值，其编号为k；
输出dist[k]和path[k]；
修改数组dist和path；
将顶点k添加到数组s中；
}C++实现：
void Dijkstra(MGraph G, int v)
{
for (int i = 0; i < G.vertexNum; ++i)
{
s[i] = 1;
dist[i] = G.arc[v][i];
if (path[i] != INF)
path[i] = G.vertex[v]+G.vertex[i];
else
path[i] = "";
}
s[v] = 0; //将源点加入集合S中
dist[v] = 0;
int num = 1;
while (num < G.vertexNum)
{
int k = 0;
for (int i = 0; i < G.vertexNum; ++i)
if (s[i] && (dist[i] < dist[k]))
k = i;
cout << dist[k] << ' ' << path[k] <<endl;
s[k] = 0;
++num;
for (int i = 0; i < G.vertexNum; ++i)
if (dist[i] > dist[k] + G.arc[k][i])
{
dist[i] = dist[k] + G.arc[k][i];
path[i] = path[k] + G.vertex[i];
}
}
}时间复杂度为O(n^2)。
Floyd算法
Floyd算法用于求每一对顶点之间的最短路径问题，其算法复杂度为O(n^3)。
void Floyd(MGraph G)
{
for (int i = 0; i < G.vertexNum; ++i)
for (int j = 0; j < G.vertexNum; ++j)
{
dist[i][j] = G.arc[i][j];
if (dist[i][j] != INF)
path[i][j] = G.vertex[i]+G.vertex[j];
else
path[i][j] = "";
}
for (int k = 0; k < G.vertexNum; ++k)
for (int i = 0; i < G.vertexNum; ++i)
for (int j = 0; j < G.vertexNum; ++j)
{
if (dist[i][k]+dist[k][j] < dist[i][j])
{
dist[i][j] = dist[i][k]+dist[k][j];
path[i][j] = path[i][k] + path[k][j];
}
}
}注意k要放在最外层，因为dist[i][j] 依赖于 dist[i][k]和dist[k][j]， 所以k小的需要先计算。
SPFA
SPFA（Shortest Path Faster Algorithm）（队列优化）算法是求单源最短路径的一种算法，它还有一个重要的功能是判负环（在差分约束系统中会得以体现），在Bellman-ford算法的基础上加上一个队列优化，减少了冗余的松弛操作，是一种高效的最短路算法。
bool SPFA(MGraph G, int s)
{
for (int i = 0; i < G.vertexNum; ++i)
{
dist[i] = G.arc[v][i];
}
dist[v] = 0;
memset(vis, 0, sizeof(vis));
deque<int> q;
q.push_back(s);
vis[s] = true;
while (!q.empty())
{
int k = q.front();
q.pop_front();
vis[k] = false;
for (int i = 0; i < G.vertexNum; ++i)//存在负权的话，就需要创建一个COUNT数组，当某点的入队次数超过vertexNum(顶点数)返回。
{
if (dist[i] > dist[k] + G.arc[k][i])
{
dist[i] = dist[k] + G.arc[k][i];
if (!vis[i])
{
q.push_back(i);
vis[i] = true;
}
}
}
}
}拓扑排序
参加另一篇博文：
结语
从前阵子开始，我就打算好好梳理一下学过的基础算法，一来为接下来的面试做准备，二来可以跟大家分享自己学到的知识。
近期比较忙，所以说好的【每日算法】没能做到每日更新。
今天匆匆忙忙将几个图算法回顾了一遍，上面的代码也大多数是伪代码，或者是用C++实现的大体思路（没有经过测试，请见谅！）。
接下来可能暂时停更，等到过阵子忙完再好好写几篇质量高一点的博文～
每天进步一点点，Come on！
(●’◡’●)
本人水平有限，如文章内容有错漏之处，敬请各位读者指出，谢谢！
