图 Graph

本文主要内容为:图的定义以及基本术语

  • 图的定义

图G的组成:由 数据元素的集合E 和 数据间的关系集合E 组成,记作:G = <V, E>

顶点 (vertex):数据元素,V就是顶点的有穷非空集合

边 (edge): 顶点的序偶对,例如 (v1, v2),E就是边的集合

  • 子图

定义:设 G=<V, E> 是一个图,E' 是 E 的子集,V' 是 V 的子集,且 E' 中的边权 仅与 V' 中的顶点相关联,

则 G' = <V', E'> 称为 图G 的子图

特殊的子图:空图,只有一个顶点,图G本身

  • 无向图

定义:代表一条边的顶点的序偶是无序的(即该边无方向)

表示:无序的序偶对用圆括号表示,例如 (v1, v2) 和 (v2, v1) 是代表同一条边

  • 有向图

定义:代表一条边的顶点的序偶是有序的(即该边有方向)

表示:有序的序偶对用尖括号表示,例如 <v1, v2> 和 <v2, v1> 是代表不同的边

弧:有向图的边的别称

弧尾 / 始点:边的起点,例如 <v1, v2> 中的 v1

弧头 / 终点:边的终点,例如 <v1, v2> 中的 v2

  • 带权图

定义:图的每条边边或弧都附带权(weight)

权的作用:可以用于表示从一个顶点到另一个顶点的距离,费用,代价等等

  • 稀疏图:边比较少的图
  • 稠密图:边比较多的图
  • 完全图:任何两个顶点间都有边相关联的图
  • 图的基本术语

    • 无向图顶点 v 的度:与该顶点相关的边的数目,记作 D(v)
    • 有向图顶点 v 的入度:以顶点 v 为终点的弧的数目,记作 ID(v)
    • 有向图顶点 v 的出度:以顶点 v 为起点的弧的数目, 记作 OD(v)
    • 终端顶点 / 叶子:出度为 0 的顶点
  • 路径:从一个顶点到另一个顶点,中间允许经过其他顶点,有向图的路径也是有向的
  • 路径长度:路径上的 边 或 弧  * 权重 之和
  • 回路 / 环:路径的起点和终点是同一个顶点的路径
  • 图的根:从该顶点有路径可以到达图的其他所有顶点
  • 连通图:无向图的任意两个顶点有路径
  • 强连通图:有向图的任意两个顶点之间有来回路径
  • 连通分量:无向图中的极大连通子图
  • 强连通分量:有向图强连通的极大子图
  • 网络:带权的连通图
  • 图的相关计算

n:表示图中顶点的数目

e:表示图中边的数目

  • 无向图 e 的取值范围:[0,n(n - 1) / 2]
  • 有向图 e 的取值范围:[0, n(n - 1)]
(0)

相关推荐

  • 弗洛伊德(Floyd)算法求图的最短路径

    弗洛伊德基本思想 弗洛伊德算法作为求最短路径的经典算法,其算法实现相比迪杰斯特拉等算法是非常优雅的,可读性和理解都非常好. 基本思想: 弗洛伊德算法定义了两个二维矩阵: 矩阵D记录顶点间的最小路径 例 ...

  • 最短路径之贝尔曼-福特算法

    基本概念 图: 有顶点和边组成.又分为 有向图: 在这里只能从A到B,不能从B到A. 无向图: 能从A到B,也能从B到A,也可以用下图表示: 还有就是给边加上权重,变成加权图: 权重代表了两个顶点连接 ...

  • PHP数据结构-图的概念和存储结构

    图的概念和存储结构 随着学习的深入,我们的知识也在不断的扩展丰富.树结构有没有让大家蒙圈呢?相信我,学完图以后你就会觉得二叉树简直是简单得没法说了.其实我们说所的树,也是图的一种特殊形式. 图的概念 ...

  • 推荐算法(4)利用上下文信息

    上下文信息包括: 时间的上下文.地点的上下文.心情的上下文- 一.时间的上下文 1.理论 1)时间上对用户的影响: 1.用户自己的兴趣变化(随年龄,时间的变化,兴趣也在变化) 2.物品有自己的生命周期 ...

  • 迪杰斯特拉算法求最短路径

    (针对从某一源点到其余各顶点间的最短距离) 初步的思想过程: 1.引进两个集合S和T,指定起始点O.S用来记录已求出的最短路径的顶点(以及相应的最短路径长度),T用来记录未求出最短路径的顶点(以及该顶 ...

  • 从图(Graph)到图卷积(Graph Convolution): 漫谈图神经网络

    编辑:王萌 澳门城市大学(深度学习冲鸭公众号) 本文仅作学术分享,若侵权,请联系后台删文处理 作者最近看了一些图与图卷积神经网络的论文,深感其强大,但一些Survey或教程默认了读者对图神经网络背景知 ...

  • R Graph Gallery | 这个网站不仅有各种图,还附带有图的代码!

    背景介绍 今天给大家介绍一个R语言绘图的网站--The R Graph Gallery,这个网站不仅使用R绘制了各种图形,而且相应的图形代码也附上了,这样,不管你是新手小白需要练习敲击代码学习,还是进 ...

  • 图自监督学习(Graph Self-supervised Learning)最新综述 Github代...

    Self-Supervised Learning has become an exciting direction in AI community. Jitendra Malik: 'Supervis ...

  • 入门提问 || 为什么要进行图嵌入Graph embedding?

    为什么要进行图嵌入Graph embedding? |本文较长,预计阅读时间为14分钟,本文参考文章[9]的大纲,对其中的部分内容进行修改和补充 Graph广泛存在于真实世界的多种场景中,即节点和边的 ...

  • 简明教程 | 用 PPT 做卡通热图 - eFP Graph?!

    写在前面 不少人应该知道,在生物模式,通路,调控机制上,PPT 已然是常规工具之一.类似的,那么画卡通热图,PPT一样靠谱.我们知道,Adobe Illustrator 和 CorelDraw 都是收 ...

  • Graph Normalization (GN):为图神经网络学习一个有效的图归一化

    作者|平安产险视觉计算组 编辑丨极市平台     本文为极市开发者投稿,转载请获授权. 极市专栏 论文推荐:在图神经网络里面,应该如何选择更好的归一化技术?本文将介绍一种为图神经网络学习有效的图归一化 ...

  • NeurIPS2020 | 图池化Rethinking pooling in graph neura...

    点击上方 蓝字关注我们 Rethinking pooling in graph neural networks 论文链接:https://arxiv.org/abs/2010.11418 代码链接:h ...

  • 【ICLR 2019论文】互信息最大化的无监督图神经网络Deep Graph Infomax

    把神经网络模型扩展到图结构数据是当前机器学习领域的研究热点,其中的代表有图卷积网络以及它的变种形式.图卷积网络的训练通常采用监督学习的方法,借助图或节点的标签定义优化目标. 然而很多情况下,尤其是面对 ...

  • 图神经网络中的Graph Pooling

    https://blog.csdn.net/leviopku/article/details/106949616 本文仅作学术交流,如有侵权,请联系后台删除.    前言 GNN/GCN在非欧数据中的 ...