图论理论基础：邻接矩阵、邻接表？？-写不出来 = 没入门
而且图论应用广泛，在大家做项目开发的时候，或多或少都会用到图论相关知识。例如：通信网络（拓扑排序、最短路算法），社交网络（深搜、广搜），路径优化（最短路算法），任务调度（拓扑排序），生物信息学（基因为节点，基因关系为边），游戏开发（A * 算法等）等等
图的种类（有向图、无向图、权重）
度：有多少条边连接这个节点，出度&入度（only make sense when有向图）
连通图（在++无向图++中，任何两个节点都是可以到达的，我们称之为连通图） & 非连通图
强连通图（在有向图中，任何两个节点是可以相互到达的，我们称之为 强连通图）
连通分量
强连通分量
图的构造
朴素存储（n*2 array）
邻接矩阵（n*n矩阵，内存空间比较大）
邻接表（增量 在于 边 的数量）
图的遍历（之前在"二叉树"学过DFS & BFS-有印象学过，但现在应该不会写了😭）
DFS深搜
BFS广搜
深度优先搜索理论基础Depth First Search
recall: 回溯算法（本质也是dfs）
深搜三部曲：1.确定函数 & 参数，2.确定终止条件，3. for(选择本节点连接的节点) - 处理节点 - dfs（图，选择的节点） - 回溯，撤销处理结果
卡码网：98.可达路径
对AMC真的没招了😮💨
Broad First Search广度优先搜索
对于matrix的BFS理解：只能上下左右的方向进行搜索（不能斜着）（++队列：先入先出++/栈：先进后出/数组）
试着跟着写python pseudo-code:
#使用邻接矩阵存图,遍历过的节点不能再次遍历visited
定义全局变量（四个方向的遍历那个）dir = [[0, 1], [1, 0], [-1,0], [0,-1]]
def bfs(graph, visited, x, y):
++#以下是把起点加入队列queue++
queue #这是起点坐标
queue.append(x, y)
visited[x][y] = 1 #表示已经访问过
while len(queue) != 0: ++#队列不为空++
#取出队列中的首元素
cur = queue[-1]?还是queue[0]
queue.pop()
for i in range(0, 4):
nextx = cur[0] + dir[i][0]
nexty = cur[1] + dir[i][1]
if nextx, nexty >= ++#越界了就不能处理++：
continue
if visited[nextx][nexty] == 1 ++#之前访问过也不能重复加入到队列里++:
continue
queue.append([nextx, nexty])
visited[nextx][nexty] == 1