一：图的分类
1：无向图
即两个顶点之间没有明确的指向关系，只有一条边相连，例如，A顶点和B顶点之间可以表示为 <A, B> 也可以表示为<B, A>，如下所示
2：有向图
顶点之间是有方向性的，例如A和B顶点之间，A指向了B，B也指向了A，两者是不同的，如果给边赋予权重，那么这种异同便更加显著了
=================================================================================================
在次基础上，根据图的连通关系可以分为
无向完全图：在无向图的基础上，每两个顶点之间都存在一条边，一个包含N个顶点的无向完全图，其总边数为N（N-1）/2
有向完全图：在有向图的基础上，每两个顶点之间都存在一条边，一个包含N个顶点的有向完全图，其总边数为N（N-1）
连通图：针对无向图而言的，如果任意两个顶点之间是连通的，则该无向图称为连通图
非连通图：无向图中，存在两个顶点之间是不连通的，则该无向图称为非连通图
强连通图：针对有向图而言的，如果有向图中任意两个顶点之间是连通的（注意方向问题，A—>B，成立，但B—>A不一定成立），则该有向图称为强连通图
非强连通图：如果有向图中存在两个顶点之间是不连通的，则该有向图称为非强连通图
二：图的存储结构
1：邻接矩阵
使用二维数组来存储图的边的信息和权重，如下图所示的4个顶点的无向图
从上面可以看出，无向图的边数组是一个对称矩阵。所谓对称矩阵就是n阶矩阵的元满足aij = aji。即从矩阵的左上角到右下角的主对角线为轴，右上角的元和左下角相对应的元全都是相等的。
如果换成有向图，则如图所示的五个顶点的有向图的邻接矩阵表示如下
2：邻接表
邻接矩阵是一种不错的图存储结构，但是对于边数相对较少的图，这种结构存在空间上的极大浪费，因此找到一种数组与链表相结合的存储方法称为邻接表。
邻接表的处理方法是这样的：
（1）图中顶点用一个一维数组存储，当然，顶点也可以用单链表来存储，不过，数组可以较容易的读取顶点的信息，更加方便。
（2）图中每个顶点vi的所有邻接点构成一个线性表，由于邻接点的个数不定，所以，用单链表存储，无向图称为顶点vi的边表，有向图则称为顶点vi作为弧尾的出边表
如下为无向图的邻接表表示：
从图中可以看出，顶点表的各个结点由data和firstedge两个域表示，data是数据域，存储顶点的信息，firstedge是指针域，指向边表的第一个结点，即此顶点的第一个邻接点。边表结点由adjvex和next两个域组成。adjvex是邻接点域，存储某顶点的邻接点在顶点表中的下标，next则存储指向边表中下一个结点的指针。
有向图的邻接表表示：
3：十字链表
对于邻接表来说，计算顶点的入度是不方便的，那么有没有一种存储方式能够轻松的计算顶点的入度和出度呢，答案是肯定的
在十字链表中重新定义了节点的结构：
firstin表示入边表头指针，指向该顶点的入边表中第一个结点，firstout表示出边表头指针，指向该顶点的出边表中的第一个结点
重新定义的边表结构为：
其中，tailvex是指弧起点在顶点表的下表，headvex是指弧终点在顶点表的下标，headlink是指入边表指针域，指向终点相同的下一条边，taillink是指边表指针域，指向起点相同的下一条边。如果是网，还可以增加一个weight域来存储权值。
比如下图，顶点依然是存入一个一维数组，实线箭头指针的图示完全与邻接表相同。就以顶点v0来说，firstout指向的是出边表中的第一个结点v3。所以，v0边表结点hearvex = 3，而tailvex其实就是当前顶点v0的下标0，由于v0只有一个出边顶点，所有headlink和taillink都是空的。
重点需要解释虚线箭头的含义。它其实就是此图的逆邻接表的表示。对于v0来说，它有两个顶点v1和v2的入边。因此的firstin指向顶点v1的边表结点中headvex为0的结点，如上图圆圈1。接着由入边结点的headlink指向下一个入边顶点v2，如上图圆圈2。对于顶点v1，它有一个入边顶点v2，所以它的firstin指向顶点v2的边表结点中headvex为1的结点，如上图圆圈3。
十字链表的好处就是因为把邻接表和逆邻接表整合在一起，这样既容易找到以v为尾的弧，也容易找到以v为头的弧，因而比较容易求得顶点的出度和入度。
而且除了结构复杂一点外，其实创建图算法的时间复杂度是和邻接表相同的，因此，在有向图应用中，十字链表是非常好的数据结构模型。
这里就介绍以上三种存储结构，除了第三种存储结构外，其他的两种存储结构比较简单
三：图的遍历
1：深度优先遍历（DFS）
它从图中某个结点v出发，访问此顶点，然后从v的未被访问的邻接点出发深度优先遍历图，直至图中所有和v有路径相通的顶点都被访问到。若图中尚有顶点未被访问，则另选图中一个未曾被访问的顶点作起始点，重复上述过程，直至图中的所有顶点都被访问到为止。
基本实现思想：
（1）访问顶点v；
（2）从v的未被访问的邻接点中选取一个顶点w，从w出发进行深度优先遍历；
（3）重复上述两步，直至图中所有和v有路径相通的顶点都被访问到。
递归实现
（1）访问顶点v；visited[v]=1；//算法执行前visited[n]=0
（2）w=顶点v的第一个邻接点；
（3）while（w存在）
if（w未被访问）
从顶点w出发递归执行该算法；
w=顶点v的下一个邻接点；
非递归实现
（1）栈S初始化；visited[n]=0；
（2）访问顶点v；visited[v]=1；顶点v入栈S
（3）while(栈S非空)
x=栈S的顶元素(不出栈)；
if(存在并找到未被访问的x的邻接点w)
访问w；visited[w]=1；
w进栈;
else
x出栈；
2：广度优先遍历（BFS）
它是一个分层搜索的过程和二叉树的层次遍历十分相似，它也需要一个队列以保持遍历过的顶点顺序，以便按出队的顺序再去访问这些顶点的邻接顶点。
基本实现思想：
（1）顶点v入队列。
（2）当队列非空时则继续执行，否则算法结束。
（3）出队列取得队头顶点v；访问顶点v并标记顶点v已被访问。
（4）查找顶点v的第一个邻接顶点col。
（5）若v的邻接顶点col未被访问过的，则col入队列。
（6）继续查找顶点v的另一个新的邻接顶点col，转到步骤（5）。
直到顶点v的所有未被访问过的邻接点处理完。转到步骤（2）。
广度优先遍历图是以顶点v为起始点，由近至远，依次访问和v有路径相通而且路径长度为1，2，……的顶点。为了使“先被访问顶点的邻接点”先于“后被访问顶点的邻接点”被访问，需设置队列存储访问的顶点。
伪代码
（1）初始化队列Q；visited[n]=0；
（2）访问顶点v；visited[v]=1；顶点v入队列Q；
（3） while（队列Q非空）
v=队列Q的对头元素出队；
w=顶点v的第一个邻接点；
while（w存在）
如果w未访问，则访问顶点w；
visited[w]=1；
顶点w入队列Q；
w=顶点v的下一个邻接点。
四：举例说明
采用邻接矩阵存储图的边信息
/*
* 定义图的结构
*/
class Graph {
static final int MaxNum=20; //最大节点数目
static final int MaxValue=65535;
char[] Vertex = new char[MaxNum]; //定义数组，保存顶点信息
int GType; //图的类型0：无向图 1：有向图
int VertxNum; //顶点的数量
int EdgeNum; //边的数量
int[][] EdgeWeight = new int[MaxNum][MaxNum]; //定义矩阵保存顶点信息
int[] isTrav = new int[MaxNum]; //遍历标志
}
//创建邻接矩阵图
static void createGraph(Graph g){
int i , j , k;
int weight; //权
char EstartV, EndV; //边的起始顶点
System.out.println("输入途中各顶点的信息");
for(i=0; i < g.VertxNum; i ++)
{
System.out.println("第" + (i+1) + "个顶点");
g.Vertex[i] = (scan.next().toCharArray() )[0];
}
System.out.println("输入构成个遍的顶点和权值");
for(k=0;k<g.EdgeNum;k++)
{
System.out.println("第" + (k+1) + "条边：");
EstartV = scan.next().charAt(0);
EndV = scan.next().charAt(0);
weight = scan.nextInt();
for(i=0; EstartV!=g.Vertex[i] ; i++); //在已有顶点中查找开始节点
for(j=0; EndV != g.Vertex[j]; j++); //在已有节点上查找终结点
g.EdgeWeight[i][j] = weight; //对应位置保存权重，表示有一条边
if(g.GType == 0) //如果是无向图，在对角位置保存权重
g.EdgeWeight[j][i] = weight;
}
}
//清空图
static void clearGraph(Graph g){
int i,j;
for(i=0; i< g.VertxNum; i++)
for(j =0; j<g.VertxNum; j++)
g.EdgeWeight[i][j] = Graph.MaxValue; //设置矩阵中各院素的值为MaxValue
}
//输出邻接矩阵
static void OutGraph(Graph g){
int i,j;
for(j = 0; j < g.VertxNum;j ++)
System.out.print("\t" + g.Vertex[j]); //在第一行输入顶点信息
System.out.println();
for(i =0 ;i <g.VertxNum; i ++)
{
System.out.print( g.Vertex[i]);
for(j = 0;j < g.VertxNum; j++)
{
if(g.EdgeWeight[i][j] == Graph.MaxValue) //若权值为最大值
System.out.print("\tZ"); //Z 表示无穷大
else
System.out.print("\t" + g.EdgeWeight[i][j]); //输出边的权重
}
System.out.println();
}
}
//遍历图
static void DeepTraOne(Graph g,int n){//从第n个节点开始遍历
int i;
g.isTrav[n] = 1; //标记为1表示该顶点已经被处理过
System.out.println("—>" + g.Vertex[n]); //输出节点数据
//添加处理节点的操作
for(i = 0; i< g.VertxNum; i++)
{
//if(g.EdgeWeight[n][i] != g.MaxValue && g.isTrav[n] == 0)
if(g.EdgeWeight[n][i] != g.MaxValue && g.isTrav[i] == 0)
{
DeepTraOne(g, i); //递归进行遍历
}
}
}
//深度优先遍历
static void DeepTraGraph(Graph g){
int i;
for(i = 0; i< g.VertxNum; i++)
{
g.isTrav[i]= 0;
}
System.out.println("深度优先遍历：");
for(i = 0; i< g.VertxNum ; i++)
{
if(g.isTrav[i] == 0)
DeepTraOne(g,i);
}
System.out.println();
}
主函数：
public static void main(String[] args) {
// TODO Auto-generated method stub
Graph g = new Graph();
System.out.println("输出生成图的类型：");
g.GType = scan.nextInt(); //图的种类
System.out.println("输入图的顶点数量：");
g.VertxNum = scan.nextInt();
System.out.println("输入图的边数量：");
g.EdgeNum = scan.nextInt();
clearGraph(g); //清空图
createGraph(g); //生成邻接表结构的图
System.out.println("该图的邻接矩阵数据如下：");
OutGraph(g); //输出图
DeepTraGraph(g); //深度优先遍历图
}
运行测试结果：
有向图测试结果（无向图类似，只是在输入生成图类型时输入0）
完整代码下载地址：点击查看下载
