1、图和网的区别：网是带权值的图 有向和无向的区别：有向直接标出谁指向谁，无向是有向的特例，有弧，说明也有弧。 构图： ①　确定顶点数，弧数，是否有权值 ②　输入每个顶点，弧，权值 ③　若是无向，则需实现弧与的同置 2、图的深度优先搜索遍历类似于树的先根遍历，沿着初始顶点出发的一条路径，尽可能深入地前进，直到所有顶点被访问完；用visited[]来存储顶点的访问情况，初始时所有顶点皆为未访问FALSE，访问一个顶点之后就被标记为已访问TRUE。

Dijkstra、Astar 和动态规划的基于采样的移动机器人路径规划算法在这个存储库中，我们简要介绍了 Dijkstra、Astar 和动态规划方法的完整源代码，以在 2D 图上找到从起始节点到结束节点的最佳路径。 我们还提供了在给定地图上执行这些算法的主脚本。 我们已经在 map_definition.m 源代码中提供了一个示例地图 creatin。 我们在显示障碍物的地图中定义了所有封闭的多边形。 在示例地图中，有 13 个不同的障碍物，其边缘由给定的 x 和 y 坐标定义。 一个示例如下所示； map.pgx{1}=[2 8.5 8.5 4 2 2 1 1 2 4 2]; map.pgy{1}=[8 10 1 3 3 1 1 6 6 5 8]; 您可以添加新的障碍物或修改给定的障碍物以创建自己的地图。 基于采样的路径规划在基于采样的方法中，我们需要在地图上生成一定数量的点，

无向图的邻接矩阵与有向图的领接表操作，绝对比网上大多数代码清晰简单，不要注解也可轻松理解，适合初学者

关于c 的数据结构 图方面得东西 可以对图有好的了解

此函数返回任何图 (DAG) 的有向拉普拉斯矩阵。 这是下面提到的论文的直接实现。 Graph Laplacian 使用以下公式计算L = I - (Phi^{1/2} * P * Phi^{-1/2} + Phi^{-1/2} * P^T * Phi^{1/2} ) / 2 在哪里， I ：单位矩阵， Phi ：对角线上 P 的 Perron 向量和其他地方为零的矩阵，以及P : 图的转移矩阵。 这个值取决于步行图探索的类型。 !! 当前实现仅包括“PageRank”步行类型。 !! 未来实施计划：“随机游走” 参考论文： Chung, F. (2005)。 有向图的拉普拉斯算子和 Cheeger 不等式。 组合年鉴，9（1），1-19。

C＋＋程序，它能根据读入的带权有向图G的数据，构造并输出图G的顶点Vi到其它每个顶点的最短路径及长度，最后输出图G的拓扑序列。图的输入形式为n i i0 j0 w0 i1 j1 w1 i2 j2 w2 ...im jm wm -1 -1 -1（-1 -1 -1为输入结束标记）。它们都是整数，n是图的顶点个数且30>n>0；i是顶点Vi的编号；ik jk wk表示两个顶点编号分别为ik、jk权为wk的一条边（顶点名字依次是V0,V1,V2,…Vn-1）。（输入时，两个相邻的整数用空格隔开)。

无向图的邻接表构建和两种遍历，存储表示，邻接表的创建，深度优先和广度优先遍历

PMBOK指南第六版49个过程数据流向图

六度凯文培根 六度凯文·培根或“培根定律”是基于“六度分离”概念的客厅游戏，它假定地球上的任何两个人相距六个或更少的熟人链接。 电影爱好者互相挑战，寻找任意演员和多产演员凯文·培根之间的最短路径。 它基于这样一个假设，即好莱坞电影业的任何人都可以通过他们的电影角色在六个步骤内与培根联系起来。 2007 年，培根创办了一个名为 SixDegrees.org 的慈善组织。 2020 年，培根开设了一个名为“凯文培根的最后一个学位”的播客。 培根数 演员的培根数是游戏定义的他或她与培根的分离度数。 这是 Erdős 数字概念在好莱坞电影业的应用。 培根数越高，演员与凯文培根的差距越大。 演员 X 的培根数的计算是一种“最短路径”算法，适用于联合主演网络： 如果演员不在同一个子网中，则他/她的培根数为 0。 那些直接与凯文培根合作的演员的培根数为 1。 如果与 X 一起出现在任何电影中的任

有向图中欧拉回路的判定 所有点的入度等于出度，就存在一条欧拉回路。 这里可以换一种角度来理解，对于每一个点，每次进入这个节点，就一定有一条路可以出去，因此必定存在一条欧拉回路。