【补充】图神经网络前传——图论

本文作为对图神经网络的补充。主要内容是看书。

仅包含*Introduction to Graph Theory*前五章以及其他相关书籍的相关内容（如果后续在实践中发现前五章不够，会补上剩余内容）

引入

什么是图？

如上图所示的路线图和电路图都可以使用点和线表示，如下图：

图中的点P，Q，R，S和T被称为顶点（vertices），而图中的线被称为边（edges）。整张图被称为图（graph）。注意PS和QT两条线相交点并不是顶点，参考前面的图，这里的"焦点"并不是路口或者是两条电线教会的地方。

顶点的度（degree），是以该顶点为终点的边的个数，比如图中的顶点Q的度是4（PQ，TQ，SQ，RQ）。

上面这张图也可以表示其他的情况，比如，P，Q，R，S和T表示足球队，边代表队伍之间的比赛，那么队伍P就和Q，S和T三个队伍比赛过，但是没有与队伍R比过赛。这种情况下，度就可以理解为对应队伍参加比赛的数目。

如果我们把PS边扯到矩形PQST外面，得到的图（⬇️）荏苒可以告诉我们P S两个地点之间有一条路/P S之间连了一条电线/P S两个足球队之间进行了比赛。我们丢失的信息可能是路线的长度或者电线是直的。

因此，图仅仅代表点之间是如何连接的，任何测量得到的属性都不重要。因此虽然PS被扯到外面了，但是与前面的图是同一个图。

类似的，即使⬆️这张图长得完全不像了，但是仍然是同一张图。

现在，我们假设QS、ST道路拥堵，我们需要建造更多的路来缓解交通压力，如下图：

此时，QS、ST之间的边被称为多重边（multiple edges）。

现在，我们有一辆车要在P点停车（感觉这里说做U turn更好理解），此时在P点加一条边，此时这条边被称为自环（loop）

没有loop以及multiple edges的图被称为简单图（simple graphs）

将道路设置为单行道，即为有向图（directed graphs，简写为digraphs），如上图所示。单行道的方向使用箭头表示。

许多图论都包含了各种各样的"移动方式"，即从一个顶点移动到另一个顶点。比如从P点到Q点，我们可以P ---> Q ---> R，P ---> S ---> Q ---> T ---> S ---> R，前者走了两步，后者走了五步。如果同一个顶点出现次数不超过一次，则称这种"移动方式"为一条路（path）。

P ---> T ---> S ---> R为一条路

Q ---> S ---> T ---> Q是一个环

这里关于Eulerian和Hamiltonian graph的描述不是很清楚，采用其他材料补充。

在访问每个顶点时沿着每条边正好走一次的回路被称为欧拉回路（Eulerian circuit），这个图被称为欧拉图（Eulerian graph）（死去的记忆开始攻击我了）

如果连通图中存在闭合遍历，则该图称为哈密顿图（Hamiltonian Graph），除了根顶点或起始顶点外，该图的每个顶点都经过一次。哈密顿图的另一个定义是如果有一个连通图，它包含哈密顿电路，那么这个图就被称为哈密顿图。

Certain graph problems deal with finding a path between two vertices such that each edge is traversed exactly once, or finding a path between two vertices while visiting each vertex exactly once. These paths are better known as Euler path and Hamiltonian path respectively.

Mathematics | Euler and Hamiltonian Paths - GeeksforGeeks

有些图有两个或者更多的部分组成->非连通图

任意两个顶点之间都连了一条路径->连通图

如果每一对顶点之间只连了一条边->称为树（tree）

可以看出树是连通图，但是没有环

图的边没有交叉的图称为平面图（planar graph）

（在第6章中介绍的是染色问题，提到了高中的时候用到过的四色定理，考虑有空去看看～）

定义

图

如上图，简单图G的顶点集合为V(G)，{u, v, w, z}，边的集合为E(G)，包含：uv, uw, vw, wz

在任何简单图中，最多有一条边连接给定的一对顶点。

简单图的很多结论可以推广到更general的图中（即使加上环和多重边）

图：

其中V表示顶点的集合，E是未排序的顶点对的集合，E中的元素即为边。

相邻（adjacent）：假设u v是图的两个顶点，若有，则称u v是相邻的，即是图G中的一条边，称u为v的邻居（neighbour）。

关联（incident）：若顶点v和边e的关系为，则称顶点v和边e关联。

自环（loop）：

这里的(v,v)表示边连接的两个顶点是同一个

多重边（multiple edge）：当一条边在边的集合E中出现多次，称为多重边

简单图：没有环&多重边

同构（Isomorphism）

若之间的顶点有一一对应关系，且中连接任意两个顶点的边的个数与中对应相等，则称同构。

推论：G_1与G_2同构，则G_2与G_1同构（可逆）

G_1与G_2同构，G_2与G_3同构，则G_1与G_3同构（传递）

labelled graph和unlabelled graph（直接看图，上面的是labelled，下面是unlabelled）

连通（connectedness）

我们可以把两个图合并在一起，得到一个更大的图，假设现在有两个图以及图并且两个图的顶点的集合（、）是不相连的，则图的union即为顶点集合和边集合的union、

之前讨论的大部分图都是连通的（不能被表述为两个图的union），如果可以拆成两个图，那么就是非连通图

任何非连通图G都可以表示成连通图的union，这里的连通图被称为连通块/连通分量（connected component)

相邻

当图G的顶点v和w之间有一条边vw，我们称顶点v和w是相邻（adjacent）的，且与边相关（incident）。类似的，如果两条边e和f有一个公共的顶点，则称这两条边相邻。

邻接矩阵&关联矩阵

adjacency and incidence matrices

假设有n个顶点，邻接矩阵定义为一个nxn的矩阵，若顶点i和顶点j之间有一条边，则位置(i,j)为1，否则为0。任何邻接矩阵为实矩阵且为对称阵

假设有n个顶点，m条边，关联矩阵为一个nxm的矩阵，若顶点与边相关（这条边有一段连着这个顶点）则为1，否则为0。

度

如果顶点v的度为0，则称该顶点为孤立点（isolated）

如上图所示的图的度序列为(1,3,6,8)（可以看到环会带来两个度）

handshaking lemma：任何图的所有顶点的度的和是偶数。

说明如果几个人握手，总的握手数目一定是偶数

子图

图G的子图是一个顶点都在V(G)内，边都在E(G)内的图。

导出子图（induced subgraph）：是子图，但是摘出来所有完整的边（如果某个点有多条边，只选取边的另一边连着的顶点也在选取的顶点集合中的边。

生成子图（spanning subgraph）：是子图，但是顶点全都选出来了

特殊的图

null graphs：边的集合为空的图。注意null graph的每个顶点都是isolated的。

complete graphs：每一对不同的顶点是邻接的简单图。如果有n个顶点，那么边的数目为n(n-1)/2（见下图）

regular graphs：图的每个顶点都有相同的度（见下图）。如果图的每个顶点的度为r，则称图为regular of degree r或r-regular（r阶正则图）。

下图同样称为Petersen graph，是cubic graphs的一个例子，cubic graphs指的是3阶正则图

cycle graphs：二阶正则图。

path graphs：cycle graphs去掉一条边

wheel：给cycle graphs中的每个点都另外一起连到一个新的顶点

如下图：

platonic graphs：属于正则图

bipartite graphs（二部图/二分图）：如果图G的顶点集合可以被分为两个不相交的集合A和B，使得图G的每条边都分别连接A中的顶点和B中的顶点。

cubes：正则二部图

路径和循环

连通性

给定一个图G。G中的一条线路（walk）是一个有限的边的序列，可以表示成：

或者

任意两条连续的边是邻接的或者是相同的（有一个自环）。我们称v_0为线路的初始顶点（initial vertex），v_m为线路的最终顶点（final vertex），并且称这个过程为从v_0到v_m的线路（a walk from v_0 to v_m）。线路中经过的边的条数称为线路的长度（length）