图论简述+图论考试要点（Python）

图论基本概念

图论是研究图（由节点和边组成的结构）的数学分支，广泛应用于计算机科学、网络分析等领域。

图的类型：
- 无向图：边无方向，如社交网络中的好友关系。
- 有向图：边有方向，如网页链接关系。
- 加权图：边带权值，如地图中的路径距离。
- 稀疏图/稠密图：根据边数与节点数的比例划分。
常见术语：
- 度：节点的边数（有向图分为入度和出度）。
- 路径：节点序列，相邻节点间有边连接。
- 连通性：无向图中任意两节点间存在路径则为连通图。

图论算法与Python实现

图的表示方法

邻接矩阵 ：适合稠密图，空间复杂度 $O(V\^2)$ 。

python 复制代码

# 无向图邻接矩阵示例
graph = [
    [0, 1, 1],
    [1, 0, 0],
    [1, 0, 0]
]

邻接表 ：适合稀疏图，空间复杂度 $O(V+E)$ 。
python 复制代码
```
graph = {
    'A': ['B', 'C'],
    'B': ['A'],
    'C': ['A']
}
```

关键算法

广度优先搜索（BFS）：用于最短路径（无权图）。

python 复制代码

from collections import deque
def bfs(graph, start):
    visited = set()
    queue = deque([start])
    while queue:
        node = queue.popleft()
        if node not in visited:
            print(node)
            visited.add(node)
            queue.extend(graph[node])

深度优先搜索（DFS）：用于拓扑排序、连通分量。

python 复制代码

def dfs(graph, node, visited=None):
    if visited is None:
        visited = set()
    if node not in visited:
        print(node)
        visited.add(node)
        for neighbor in graph[node]:
            dfs(graph, neighbor, visited)

Dijkstra算法：单源最短路径（带权图，无负权）。

python 复制代码

import heapq
def dijkstra(graph, start):
    distances = {node: float('inf') for node in graph}
    distances[start] = 0
    heap = [(0, start)]
    while heap:
        current_dist, node = heapq.heappop(heap)
        for neighbor, weight in graph[node].items():
            distance = current_dist + weight
            if distance < distances[neighbor]:
                distances[neighbor] = distance
                heapq.heappush(heap, (distance, neighbor))
    return distances

考试常见考点

基础概念：图的分类、度、路径、连通性判断。
图的遍历：BFS/DFS的实现与应用（如迷宫问题）。
最短路径：Dijkstra、Floyd-Warshall算法的原理与实现。
最小生成树：Kruskal和Prim算法的比较与代码实现。
拓扑排序：针对有向无环图（DAG）的排序方法。
图的连通性：强连通分量（Kosaraju算法）、割点与桥。

复习建议

理论结合实践：通过Python实现经典算法（如NetworkX库辅助学习）。
刷题巩固：LeetCode或《算法导论》中的图论题目（如"课程表"、"岛屿数量"）。
复杂度分析：掌握各算法的时间/空间复杂度（如Dijkstra为 $O((V+E)\\log V)$ ）。