图的存储结构
本文的重点在于图的深度优先搜索（DFS）和广度优先搜索（BFS），因此不再对图的基本概念做过多的介绍，但是要先大致了解下图的几种常见的存储结构。
邻接矩阵
邻接矩阵既可以用来存储无向图，也可以用来存储有向图。该结构实际上就是用一个二维数组（邻接矩阵）来存储顶点的信息和顶点之间的关系（有向图的弧或无向图的边）。其描述形式如下：
//图的邻接矩阵存储表示
#define MAX_NUM 20 // 最大顶点个数
enum GraphKind{GY,GN}; // {有向图,无向图}
typedef struct
{
VRType adj; // 顶点关系类型。对无权图，用1(是)或0(否)表示是否相邻；对带权图，则为权值
InfoType *info; // 与该弧或边相关信息的指针(可无)
}ArcCell,AdjMatrix[MAX_NUM][MAX_NUM]; // 二维数组
typedef struct
{
VertexType vexs[MAX_NUM]; // 顶点向量
AdjMatrix arcs; // 邻接矩阵
int vexnum,arcnum; // 图的当前顶点数和弧（边）数
GraphKind kind; // 图的种类标志
}Graph;
我们分别看下面两个图，左边为有向图，右边为无向图
上面两个图均为无权图，我们假设存储的时候，V0的序号为0，V1的序号为1，V2的序号为2。。。，且adj为1表示两顶点间没有没有连接，为0时表示有连接。则有向图的邻接矩阵如下图左边的矩阵所示，无向图的邻接矩阵如下图右边的矩阵所示；
根据邻接矩阵很容易判断图中任意两个顶点之间连通与否，并可以求出各个顶点的度。
1、对于无向图，观察右边的矩阵，发现顶点Vi的度即是邻接矩阵中第i行（或第i列）的元素之和。
2、对于有向图，由于需要分别计算出度和入读，观察左边的矩阵，发现顶点Vi的出度即为邻接矩阵第i行元素之和，入度即为邻接矩阵第i列元素之和，因此顶点Vi的度即为邻接矩阵中第i行元素和第i列元素之和。
很明显，邻接矩阵所占用的存储空间与图的边数或弧数无关，因此适用于边数或弧数较多的稠密图。
以上是小编为您精心准备的的内容，在的博客、问答、公众号、人物、课程等栏目也有的相关内容，欢迎继续使用右上角搜索按钮进行搜索存储
， 矩阵
， 无向图 邻接表数
， 图的基本操作
， 有向图
， 元素
， 顶点
， 相邻矩阵
， 无向图的深度遍历
， 移动bfs搜索
， 矩阵dfs算法
， 二维
二维矩阵
dfs bfs进行图的遍历、dfs和bfs、dfs bfs、dfs和bfs的区别、dfs与bfs，以便于您获取更多的相关知识。