圖片存儲結構

⑴ 圖的三種存儲結構

設圖G有n (n 1) 個頂點，則鄰接矩陣是一個n階方陣。
當矩陣中的 [i,j] !=0（下標從1開始） ,代表其對應的第i個頂點與第j個頂點是連接的。

為圖G中的每一個頂點建立一個單鏈表，每條鏈表的結點元素為與該頂點連接的頂點。

可以看成是有向圖的鄰接表和逆鄰接表結合起來的一種鏈表。

⑵ 圖的五種存儲結構

圖的鄰接矩陣（Adjacency Matrix）： 圖的鄰接矩陣用兩個數組來表示圖。一個一維數組存儲圖中頂點信息，另一個二維數組（一般稱之為鄰接矩陣）來存儲圖中的邊或者弧的信息。從鄰接矩陣中我們自然知道一個頂點的度（對於無向圖）或者有向圖中一個頂點的入度出度信息。

假設圖G有n個頂點，則鄰接矩陣是一個n*n的方陣。
1.對於如果圖上的每條邊不帶權值來說，那麼我們就用真（一般為1）和假（一般為0）來表示一個頂點到另一個頂點存不存在邊。下面是一個圖的鄰接矩陣的定義：

鄰接矩陣法實現帶權值的無向圖的創建如下：

按照如圖輸入各邊（不重復）

測試程序如下：

結果可得該矩陣，證明創建樹成功。 假設n個頂點e條邊的創建，createGraph演算法的時間復雜度為O（n+n*n+e）。如果需要創建一個有向圖，那麼和上面一樣一個一個錄入邊下標和權值。

鄰接矩陣這種存儲結構的優缺點： 缺點是對於邊數相對頂點較少的稀疏圖來說會存在極大的空間浪費。假設有n個頂點,優點是對於有向完全圖和無向完全圖來說鄰接矩陣是一種不錯的存儲結構，浪費的話也只浪費了n個頂點的容量。

在樹的存儲結構一節中我們提到對於孩子表示法的第三種：用一段連續的存儲單元（數組）存儲樹中的所有結點，利用一個單鏈表來存儲數組中每個結點的孩子的信息。對於圖的存儲結構來說，我們也可以利用這種方法實現圖的存儲

鄰接表(Adjacency List): 這種數組與鏈表相結合的存儲方法叫做鄰接表。1.為什麼不也用單鏈表存儲圖的結點信息呢？原因就是數組這種順序存儲結構讀取結點信息速率快。對於頂點數組中，每個數據元素還需要存儲一個指向第一個鄰接頂點的指針，這樣才可以查找邊的信息2.圖中每個頂點Vi(i > 0)的所有鄰接點構成一個線性表 （在無向圖中這個線性表稱為Vi的邊表，有向圖中稱為頂點作為弧尾的出邊表） ，由於鄰接點的不確定性，所以用鏈表存儲，有多少個鄰接點就malloc一個空間存儲鄰接點，這樣更不會造成空間的浪費（與鄰接矩陣相比來說）。3.對於鄰接表中的某個頂點來說，用戶關心的是這個頂點的鄰接點，完全可以遍歷用單鏈表設計成的邊表或者出邊表得到，所以沒必要設計成雙鏈表。

鄰接表的存儲結構：
假設現在有一無向圖G，如下圖：

從鄰接表結構中，知道一個頂點的度或者判斷兩個頂點之間是否存在邊或者求一個頂點的所有鄰接頂點是很容易的。

假設現在有一有向圖G，如下圖：

無向圖的鄰接表創建示例如下：

假設在上圖（無向圖）中的V0V1V2V3頂點值為ABCD，則依據下面測試程序可得結果：

鄰接表的優缺點： 優點是：鄰接表存儲圖，既能夠知道一個頂點的度和頂點的鄰接結點的信息，並且更不會造成空間的浪費。缺點是鄰接表存儲有向圖時，如果關心的是頂點的出度問題自然用鄰接表結構，但是想了解入度需要遍歷圖才知道（需要考慮逆鄰接表）。

十字鏈表(Orthogonal List) ：有向圖的一種存儲方法，它把鄰接表和逆鄰接表結合起來，因此在十字鏈表結構中可以知道一個頂點的入度和出度情況。
重新定義頂點表的結點如下圖：

現在有一有向圖如下圖：

則它的存儲結構示意圖為：

其定義如下：

十字鏈表是用來存儲有向圖的，這樣可以看出一個頂點的出入度信息。對於無向圖來說完全沒必要用十字鏈表來存儲。

在無向圖中，因為我們關注的是頂點的信息，在考慮節約空間的情況下我們利用鄰接表來存儲無向圖。但是如果我們關注的是邊的信息，例如需要刪除某條邊對於鄰接表來說是挺繁瑣的。它需要操作兩個單鏈表刪除兩個結點。因此我們仿照十字鏈表的方式對邊表結點結構重新定義如下圖：

它的鄰接多重表結構為：

多重鄰接表的優點：對於邊的操作相比於鄰接表來說更加方便。比如說我們現在需要刪除(V0,V2)這條邊，只需將69步驟中的指針改為nullptr即可。

邊集數組(edgeset array)： 邊集數組是由兩個數組組成，一個存儲頂點信息，另一個存儲邊的信息，這個邊數組中的每個數據元素由起點下標，終點下標，和權組成（如果邊上含有權值的話）。
邊數組結構如下圖：

邊集數組實現圖的存儲的優缺點：優點是對於邊的操作方便快捷，操作的只是數組元素。比如說刪除某條邊，只需要刪除一個數組元素。缺點是：對於圖的頂點信息，我們只有遍歷整個邊數組才知道，這個費時。因此對於關注邊的操作來說，邊集數組更加方便。

⑶ 數據結構——圖

轉自： http://www.cnblogs.com/mcgrady/archive/2013/09/23/3335847.html

閱讀目錄

一，圖的定義

二，圖相關的概念和術語

三，圖的創建和遍歷

四，最小生成樹和最短路徑

五，演算法實現

這一篇我們要總結的是圖(Graph)，圖可能比我們之前學習的線性結構和樹形結構都要復雜，不過沒有關系，我們一點一點地來總結，那麼關於圖我想從以下幾點進行總結：

1，圖的定義？

2，圖相關的概念和術語？

3，圖的創建和遍歷？

4，最小生成樹和最短路徑？

5，演算法實現？

一，圖的定義

什麼是圖呢？

圖是一種復雜的非線性結構。

在線性結構中，數據元素之間滿足唯一的線性關系，每個數據元素(除第一個和最後一個外)只有一個直接前趨和一個直接後繼；

在樹形結構中，數據元素之間有著明顯的層次關系，並且每個數據元素只與上一層中的一個元素(雙親節點)及下一層的多個元素(孩子節點)相關；

而在圖形結構中，節點之間的關系是任意的，圖中任意兩個數據元素之間都有可能相關。

圖G由兩個集合V(頂點Vertex)和E(邊Edge)組成，定義為G=(V，E)

二，圖相關的概念和術語

1，無向圖和有向圖

對於一個圖，若每條邊都是沒有方向的，則稱該圖為無向圖。圖示如下：

因此，(Vi，Vj)和(Vj，Vi)表示的是同一條邊。注意，無向圖是用小括弧，而下面介紹的有向圖是用尖括弧。

無向圖的頂點集和邊集分別表示為：

V(G)={V1，V2，V3，V4，V5}

E(G)={(V1，V2)，(V1，V4)，(V2，V3)，(V2，V5)，(V3，V4)，(V3，V5)，(V4，V5)}

對於一個圖G，若每條邊都是有方向的，則稱該圖為有向圖。圖示如下。

因此，和是兩條不同的有向邊。注意，有向邊又稱為弧。

有向圖的頂點集和邊集分別表示為：

V(G)={V1，V2，V3}

E(G)={，，，}

2，無向完全圖和有向完全圖

我們將具有n(n-1)/2條邊的無向圖稱為無向完全圖。同理，將具有n(n-1)條邊的有向圖稱為有向完全圖。

3，頂點的度

對於無向圖，頂點的度表示以該頂點作為一個端點的邊的數目。比如，圖(a)無向圖中頂點V3的度D(V3)=3

對於有向圖，頂點的度分為入度和出度。入度表示以該頂點為終點的入邊數目，出度是以該頂點為起點的出邊數目，該頂點的度等於其入度和出度之和。比如，頂點V1的入度ID(V1)=1，出度OD(V1)=2，所以D(V1)=ID(V1)+OD(V1)=1+2=3

記住，不管是無向圖還是有向圖，頂點數n，邊數e和頂點的度數有如下關系：

因此，就拿有向圖(b)來舉例，由公式可以得到圖G的邊數e=(D(V1)+D(V2)+D(V3))/2=(3+2+3)/2=4

4，子圖

故名思義，這個就不解釋了。

5，路徑，路徑長度和迴路

路徑，比如在無向圖G中，存在一個頂點序列Vp,Vi1,Vi2,Vi3…，Vim，Vq，使得(Vp,Vi1)，(Vi1,Vi2)，…,(Vim,Vq)均屬於邊集E(G)，則稱頂點Vp到Vq存在一條路徑。

路徑長度，是指一條路徑上經過的邊的數量。

迴路，指一條路徑的起點和終點為同一個頂點。

6，連通圖(無向圖)

連通圖是指圖G中任意兩個頂點Vi和Vj都連通，則稱為連通圖。比如圖(b)就是連通圖。下面是一個非連通圖的例子。

上圖中，因為V5和V6是單獨的，所以是非連通圖。

7，強連通圖(有向圖)

強連通圖是對於有向圖而言的，與無向圖的連通圖類似。

8，網

帶」權值」的連通圖稱為網。如圖所示。

三，圖的創建和遍歷

1，圖的兩種存儲結構

1) 鄰接矩陣，原理就是用兩個數組，一個數組保存頂點集，一個數組保存邊集。下面的演算法實現里邊我們也是採用這種存儲結構。如下圖所示：

2) 鄰接表，鄰接表是圖的一種鏈式存儲結構。這種存儲結構類似於樹的孩子鏈表。對於圖G中每個頂點Vi，把所有鄰接於Vi的頂點Vj鏈成一個單鏈表，這個單鏈表稱為頂點Vi的鄰接表。

2，圖的兩種遍歷方法

1) 深度優先搜索遍歷

深度優先搜索DFS遍歷類似於樹的前序遍歷。其基本思路是：

a) 假設初始狀態是圖中所有頂點都未曾訪問過，則可從圖G中任意一頂點v為初始出發點，首先訪問出發點v，並將其標記為已訪問過。

b) 然後依次從v出發搜索v的每個鄰接點w，若w未曾訪問過，則以w作為新的出發點出發，繼續進行深度優先遍歷，直到圖中所有和v有路徑相通的頂點都被訪問到。

c) 若此時圖中仍有頂點未被訪問，則另選一個未曾訪問的頂點作為起點，重復上述步驟，直到圖中所有頂點都被訪問到為止。

圖示如下：

註：紅色數字代表遍歷的先後順序，所以圖(e)無向圖的深度優先遍歷的頂點訪問序列為：V0，V1，V2，V5，V4，V6，V3，V7，V8

如果採用鄰接矩陣存儲，則時間復雜度為O(n2)；當採用鄰接表時時間復雜度為O(n+e)。

2) 廣度優先搜索遍歷

廣度優先搜索遍歷BFS類似於樹的按層次遍歷。其基本思路是：

a) 首先訪問出發點Vi

b) 接著依次訪問Vi的所有未被訪問過的鄰接點Vi1，Vi2，Vi3，…，Vit並均標記為已訪問過。

c) 然後再按照Vi1，Vi2，… ，Vit的次序，訪問每一個頂點的所有未曾訪問過的頂點並均標記為已訪問過，依此類推，直到圖中所有和初始出發點Vi有路徑相通的頂點都被訪問過為止。

圖示如下：

因此，圖(f)採用廣義優先搜索遍歷以V0為出發點的頂點序列為：V0，V1，V3，V4，V2，V6，V8，V5，V7

如果採用鄰接矩陣存儲，則時間復雜度為O(n2)，若採用鄰接表，則時間復雜度為O(n+e)。

四，最小生成樹和最短路徑

1，最小生成樹

什麼是最小生成樹呢？在弄清什麼是最小生成樹之前，我們需要弄清什麼是生成樹？

用一句語簡單概括生成樹就是：生成樹是將圖中所有頂點以最少的邊連通的子圖。

比如圖(g)可以同時得到兩個生成樹圖(h)和圖(i)

知道了什麼是生成樹之後，我們就很容易理解什麼是最小生成樹了。所謂最小生成樹，用一句話總結就是：權值和最小的生成樹就是最小生成樹。

比如上圖中的兩個生成樹，生成樹1和生成樹2，生成樹1的權值和為：12，生成樹2的權值為：14，我們可以證明圖(h)生成樹1就是圖(g)的最小生成樹。

那麼如何構造最小生成樹呢？可以使用普里姆演算法。

2，最短路徑

求最短路徑也就是求最短路徑長度。下面是一個帶權值的有向圖，表格中分別列出了頂點V1其它各頂點的最短路徑長度。

表：頂點V1到其它各頂點的最短路徑表

從圖中可以看出，頂點V1到V4的路徑有3條(V1，V2，V4)，(V1，V4)，(V1，V3，V2，V4)，其路徑長度分別為15，20和10，因此，V1到V4的最短路徑為(V1，V3，V2，V4)。

那麼如何求帶權有向圖的最短路徑長度呢？可以使用迪傑斯特拉(Dijkstra)演算法。

⑷ 圖的存儲結構是什麼

由於圖的結構比較復雜，任意兩個頂點之間都可能存在關系（邊），無法通過存儲位置表示這種任意的邏輯關系，所以，圖無法採用順序存儲結構。這一點同其他數據結構（如線性表、樹）不同。考慮圖的定義，圖是由頂點和邊組成的，所以，分別考慮如何存儲頂點和邊。圖常用的存儲結構有鄰接矩陣、鄰接表、十字鏈表和鄰接多重表。

⑸ 圖的存儲結構——所存儲的信息有哪些

一、鄰接矩陣存儲方法

鄰接矩陣是表示頂點之間相鄰關系的矩陣。

設G=(V，E)是具有n（n＞0）個頂點的圖，頂點的順序依次為0～n-1，則G的鄰接矩陣A是n階方陣，其定義如下：

（1）如果G是無向圖，則：

A[i][j]=1：若(i,j)∈E(G) 0:其他

（2）如果G是有向圖，則：

A[i][j]=1：若<i,j>∈E(G) 0:其他

（3）如果G是帶權無向圖，則：

A[i][j]= wij ：若i≠j且(i,j)∈E(G) 0：i=j ∞：其他

（4）如果G是帶權有向圖，則：

A[i][j]= wij ：若i≠j且<i,j>∈E(G) 0：i=j∞：其他

注意：帶權圖和不帶權圖表示的元素類型不同。

帶權圖（不論有向還是無向圖）A[i][j]用double表示，不帶權圖（不論有向還是無向圖）A[i][j]用int表示。

用一維數組G[ ]存儲有4個頂點的無向圖如：G[ ] = { 0, 1, 0, 1, 1, 0, 0, 0, 1, 0 }

則頂點2和頂點0之間是有邊的。

如：

鄰接矩陣的特點如下：

（1）圖的鄰接矩陣表示是唯一的。

（2）無向圖的鄰接矩陣一定是一個對稱矩陣。因此，按照壓縮存儲的思想，在具體存放鄰接矩陣時只需存放上（或下）三角形陣的元素即可。

（3）不帶權的有向圖的鄰接矩陣一般來說是一個稀疏矩陣。因此，當圖的頂點較多時，可以採用三元組表的方法存儲鄰接矩陣。

（4）對於無向圖，鄰接矩陣的第i行（或第i列）非零元素（或非∞元素）的個數正好是第i個頂點的度。

（5）對於有向圖，鄰接矩陣的第i行（或第i列）非零元素（或非∞元素）的個數正好是第i個頂點的出度（或入度）。

（6）用鄰接矩陣方法存儲圖，很容易確定圖中任意兩個頂點之間是否有邊相連。但是，要確定圖中有多少條邊，則必須按行、按列對每個元素進行檢測，所花費的時間代價很大。這是用鄰接矩陣存儲圖的局限性。

鄰接矩陣的數據類型定義如下：

#define MAXV <最大頂點個數>

typedef struct

{ int no; //頂點編號

InfoType info; //頂點其他信息

} VertexType; //頂點類型

typedef struct //圖的定義

{ int edges[MAXV][MAXV]; //鄰接矩陣

int n，e; //頂點數，弧數

VertexType vexs[MAXV]; //存放頂點信息

} MGraph; //圖的鄰接矩陣表示類型

二、 鄰接表存儲方法

圖的鄰接表存儲方法是一種順序分配與鏈式分配相結合的存儲方法。

在鄰接表中，對圖中每個頂點建立一個單鏈表，第i個單鏈表中的節點表示依附於頂點i的邊（對有向圖是以頂點i為尾的邊）。每個單鏈表上附設一個表頭節點。

其中，表節點由三個域組成，adjvex指示與頂點i鄰接的點在圖中的位置，nextarc指示下一條邊或弧的節點，info存儲與邊或弧相關的信息，如權值等。

表頭節點由兩個域組成，data存儲頂點i的名稱或其他信息，firstarc指向鏈表中第一個節點。

typedef struct ANode

{ int adjvex; //該邊的終點編號

struct ANode *nextarc; //指向下一條邊的指針

InfoType info; //該邊的相關信息

} ArcNode; //邊表節點類型

typedef struct Vnode

{ Vertex data; //頂點信息

ArcNode *firstarc; //指向第一條邊

} VNode; //鄰接表頭節點類型

typedef VNode AdjList[MAXV]; //AdjList是鄰接表類型

typedef struct

{ AdjList adjlist; //鄰接表

int n,e; //圖中頂點數n和邊數e

} ALGraph; //完整的圖鄰接表類型

鄰接表的特點如下：

（1）鄰接表表示不唯一。這是因為在每個頂點對應的單鏈表中，各邊節點的鏈接次序可以是任意的，取決於建立鄰接表的演算法以及邊的輸入次序。

（2）對於有n個頂點和e條邊的無向圖，其鄰接表有n個頂點節點和2e個邊節點。顯然，在總的邊數小於n(n-1)/2的情況下，鄰接表比鄰接矩陣要節省空間。

（3）對於無向圖，鄰接表的頂點i對應的第i個鏈表的邊節點數目正好是頂點i的度。

（4）對於有向圖，鄰接表的頂點i對應的第i個鏈表的邊節點數目僅僅是頂點i的出度。其入度為鄰接表中所有adjvex域值為i的邊節點數目。

例， 給定一個具有n個節點的無向圖的鄰接矩陣和鄰接表。

（1）設計一個將鄰接矩陣轉換為鄰接表的演算法；

（2）設計一個將鄰接表轉換為鄰接矩陣的演算法；

（3）分析上述兩個演算法的時間復雜度。

解：

（1）在鄰接矩陣上查找值不為0的元素，找到這樣的元素後創建一個表節點並在鄰接表對應的單鏈表中採用前插法插入該節點。

void MatToList(MGraph g，ALGraph *&G)

//將鄰接矩陣g轉換成鄰接表G

{ int i，j，n=g.n; ArcNode *p; //n為頂點數

G=(ALGraph *)malloc(sizeof(ALGraph));

for (i=0;i<n;i++) //給所有頭節點的指針域置初值

G->adjlist[i].firstarc=NULL;

for (i=0;i<n;i++) //檢查鄰接矩陣中每個元素

for (j=n-1;j>=0;j--)

if (g.edges[i][j]!=0)

{ p=(ArcNode *)malloc(sizeof(ArcNode));

//創建節點*p

p->adjvex=j;

p->nextarc=G->adjlist[i].firstarc;

//將*p鏈到鏈表頭

G->adjlist[i].firstarc=p;

}

G->n=n;G->e=g.e;

}

（2）在鄰接表上查找相鄰節點，找到後修改相應鄰接矩陣元素的值。

void ListToMat(ALGraph *G，MGraph &g)

{ int i，j，n=G->n;ArcNode *p;

for (i=0;i<n;i++)

{ p=G->adjlist[i].firstarc;

while (p!=NULL)

{ g.edges[i][p->adjvex]=1;

p=p->nextarc;

}

}

g.n=n;g.e=G->e;

}

（3）演算法1的時間復雜度均為O(n2)。演算法2的時間復雜度為O(n+e)，其中e為圖的邊數。

⑹ 數據結構 - 圖

前面我們學習了線性表，棧、隊列和樹。前面三者都屬於線性表范疇，它的的數據元素是被串起來的，僅有線性關系，每個元素僅有一個直接前驅和一個直接後繼，是屬於一對一關系。在樹裡面，每個元素之間存在著明顯的層次關系，每一層的元素可能和下一層的多個元素相關，但只能和上一層的一個元素相關，屬於一對多的關系。而圖是一種較線性表和樹更為復雜的數據結構，在圖的結構中，節點和節點的關系是任意的，圖中任意兩個數據元素都可能相關。

定義 ：圖（ Graph ）是由頂點的有窮非空集合和頂點之間邊的集合組成，通常表示為：G(V,E)，其中，G表示一個圖，V是圖G中頂點的集合，E是圖G中邊的集合。

在圖中需要注意的是：

（1）線性表中我們把數據元素叫元素，樹中將數據元素叫結點，在圖中數據元素，我們則稱之為頂點（Vertex）。

（2）線性表可以沒有元素，稱為空表；樹中可以沒有節點，稱為空樹；但是，在圖中不允許沒有頂點（有窮非空性）。

（3）線性表中的各元素是線性關系，樹中的各元素是層次關系，而圖中各頂點的關系是用邊來表示（邊集可以為空）。

頂點Vi的度（Degree）是指在圖中與Vi相關聯的邊的條數。對於有向圖來說，有入度（In-degree）和出度（Out-degree）之分，有向圖頂點的度等於該頂點的入度和出度之和。

①若無向圖中的兩個頂點V1和V2存在一條邊(V1,V2)，則稱頂點V1和V2鄰接（Adjacent）；

②若有向圖中存在一條邊<V3,V2>，則稱頂點V3與頂點V2鄰接，且是V3鄰接到V2或V2鄰接直V3；

注意：無向圖中的邊使用小括弧「()」表示，而有向圖中的邊使用尖括弧「<>」表示。

在無向圖中，若從頂點Vi出發有一組邊可到達頂點Vj，則稱頂點Vi到頂點Vj的頂點序列為從頂點Vi到頂點Vj的路徑（Path）。

若從Vi到Vj有路徑可通，則稱頂點Vi和頂點Vj是連通（Connected）的。

圖的存儲結構除了要存儲圖中的各個頂點本身的信息之外，還要存儲頂點與頂點之間的關系，因此，圖的結構也比較復雜。常用的圖的存儲結構有鄰接矩陣和鄰接表等。

我們再來看一個有向圖樣例，如下圖所示的左邊。頂點數組為vertex[4]={v0,v1,v2,v3}，弧數組arc[4][4]為下圖右邊這樣的一個矩陣。主對角線上數值依然為0。但因為是有向圖，所以此矩陣並不對稱，比如由v1到v0有弧，得到arc[1][0]=1，而v到v沒有弧，因此arc[0][1]=0。

註：由於存在n個頂點的圖需要n*n個數組元素進行存儲，當圖為稀疏圖時，使用鄰接矩陣存儲方法將會出現大量0元素，這會造成極大的空間浪費。這時，可以考慮使用鄰接表表示法來存儲圖中的數據。

首先，回憶我們在線性表時談到， 順序存儲結構 就存在預先分配內存可能造成存儲空間浪費的問題，於是引出了 鏈式存儲 的結構。同樣的，我們也可以考慮對邊或弧使用鏈式存儲的方式來避免空間浪費的問題。

鄰接表 由表頭節點和表節點兩部分組成，圖中每個頂點均對應一個存儲在數組中的表頭節點。如果這個表頭節點所對應的頂點存在鄰接節點，則把鄰接節點依次存放於表頭節點所指向的單向鏈表中。

上面的圖G1包含了"A,B,C,D,E,F,G"共7個頂點，而且包含了"(A,C),(A,D),(A,F),(B,C),(C,D),(E,G),(F,G)"共7條邊。

上圖右邊的矩陣是G1在內存中的鄰接表示意圖。每一個頂點都包含一條鏈表，該鏈表記錄了"該頂點的鄰接點的序號"。例如，第2個頂點(頂點C)包含的鏈表所包含的節點的數據分別是"0,1,3"；而這"0,1,3"分別對應"A,B,D"的序號，"A,B,D"都是C的鄰接點。就是通過這種方式記錄圖的信息的。

鄰接表有向圖是指通過鄰接表表示的有向圖。

上面的圖G2包含了"A,B,C,D,E,F,G"共7個頂點，而且包含了"<A,B>,<B,C>,<B,E>,<B,F>,<C,E>,<D,C>,<E,B>,<E,D>,<F,G>"共9條邊。

上圖右邊的矩陣是G2在內存中的鄰接表示意圖。每一個頂點都包含一條鏈表，該鏈表記錄了"該頂點所對應的出邊的另一個頂點的序號"。例如，第1個頂點(頂點B)包含的鏈表所包含的節點的數據分別是"2,4,5"；而這"2,4,5"分別對應"C,E,F"的序號，"C,E,F"都屬於B的出邊的另一個頂點。

⑺ 有關圖的存儲結構

(1)順序存儲方法
該方法把邏輯上相鄰的結點存儲在物理位置上相鄰的存儲單元里，結點間的邏輯關系由存儲單元的鄰接關系來體現。
由此得到的存儲表示稱為順序存儲結構 (Sequential Storage Structure)，通常藉助程序語言的數組描述。
該方法主要應用於線性的數據結構。非線性的數據結構也可通過某種線性化的方法實現順序存儲。 (2)鏈接存儲方法
該方法不要求邏輯上相鄰的結點在物理位置上亦相鄰，結點間的邏輯關系由附加的指針欄位表示。由此得到的存儲表示稱為鏈式存儲結構(Linked Storage Structure),通常藉助於程序語言的指針類型描述。