匠人 技藝、到解放生產力的工業產品、再到宇宙運行的科學規律，幾乎每一件平凡或令人驚嘆的事物背後，都隱 藏著精妙的演算法思想。 同樣，資料結構無處不在：大到社會網絡，小到地鐵路線，許多系統都可以建模為“圖”；大到一個國家，小 到一個家庭，社會的主要組織形式呈現出“樹”的特徵；冬天的衣服就像“堆疊”，最先穿上的最後才能脫下； 羽毛球筒則如同“佇列”，一端放入、一端取出；字典就像一個“雜湊表”，能夠快速查找目標詞條。 樹或紅黑樹，從而將時間效率從 ?(?) 最佳化至 ?(log ?) ；還可以把鏈結串列轉換為雜湊表，從而將時間複雜度降至 ?(1) 。 9.1.3 圖的常見應用 如表 9‑1 所示，許多現實系統可以用圖來建模，相應的問題也可以約化為圖計算問題。 表 9‑1 現實生活中常見的圖 頂點 邊 圖計算問題 社交網路 使用者 好友關係 潛在好友推薦 地鐵線路 站點 站點間的連通性 最短路線推薦 第 9 章 低。 ‧ 當鄰接表中的鏈結串列過長時，可以將其轉換為紅黑樹或雜湊表，從而提升查詢效率。 ‧ 從演算法思想的角度分析，鄰接矩陣體現了“以空間換時間”，鄰接表體現了“以時間換空間”。 ‧ 圖可用於建模各類現實系統，如社交網路、地鐵線路等。 ‧ 樹是圖的一種特例，樹的走訪也是圖的走訪的一種特例。 ‧ 圖的廣度優先走訪是一種由近及遠、層層擴張的搜尋方式，通常藉助佇列實現。 ‧ 圖的深度優先走訪

匠人 技藝、到解放生產力的工業產品、再到宇宙運行的科學規律，幾乎每一件平凡或令人驚嘆的事物背後，都隱 藏著精妙的演算法思想。 同樣，資料結構無處不在：大到社會網絡，小到地鐵路線，許多系統都可以建模為“圖”；大到一個國家，小 到一個家庭，社會的主要組織形式呈現出“樹”的特徵；冬天的衣服就像“堆疊”，最先穿上的最後才能脫下； 羽毛球筒則如同“佇列”，一端放入、一端取出；字典就像一個“雜湊表”，能夠快速查找目標詞條。 樹或紅黑樹，從而將時間效率從 ?(?) 最佳化至 ?(log ?) ；還可以把鏈結串列轉換為雜湊表，從而將時間複雜度降至 ?(1) 。 9.1.3 圖的常見應用 如表 9‑1 所示，許多現實系統可以用圖來建模，相應的問題也可以約化為圖計算問題。 表 9‑1 現實生活中常見的圖 頂點 邊 圖計算問題 社交網路 使用者 好友關係 潛在好友推薦 地鐵線路 站點 站點間的連通性 最短路線推薦 第 9 章 低。 ‧ 當鄰接表中的鏈結串列過長時，可以將其轉換為紅黑樹或雜湊表，從而提升查詢效率。 ‧ 從演算法思想的角度分析，鄰接矩陣體現了“以空間換時間”，鄰接表體現了“以時間換空間”。 ‧ 圖可用於建模各類現實系統，如社交網路、地鐵線路等。 ‧ 樹是圖的一種特例，樹的走訪也是圖的走訪的一種特例。 ‧ 圖的廣度優先走訪是一種由近及遠、層層擴張的搜尋方式，通常藉助佇列實現。 ‧ 圖的深度優先走訪

匠人 技藝、到解放生產力的工業產品、再到宇宙運行的科學規律，幾乎每一件平凡或令人驚嘆的事物背後，都隱 藏著精妙的演算法思想。 同樣，資料結構無處不在：大到社會網絡，小到地鐵路線，許多系統都可以建模為“圖”；大到一個國家，小 到一個家庭，社會的主要組織形式呈現出“樹”的特徵；冬天的衣服就像“堆疊”，最先穿上的最後才能脫下； 羽毛球筒則如同“佇列”，一端放入、一端取出；字典就像一個“雜湊表”，能夠快速查找目標詞條。 樹或紅黑樹，從而將時間效率從 ?(?) 最佳化至 ?(log ?) ；還可以把鏈結串列轉換為雜湊表，從而將時間複雜度降至 ?(1) 。 9.1.3 圖的常見應用 如表 9‑1 所示，許多現實系統可以用圖來建模，相應的問題也可以約化為圖計算問題。 表 9‑1 現實生活中常見的圖 頂點 邊 圖計算問題 社交網路 使用者 好友關係 潛在好友推薦 地鐵線路 站點 站點間的連通性 最短路線推薦 第 9 章 低。 ‧ 當鄰接表中的鏈結串列過長時，可以將其轉換為紅黑樹或雜湊表，從而提升查詢效率。 ‧ 從演算法思想的角度分析，鄰接矩陣體現了“以空間換時間”，鄰接表體現了“以時間換空間”。 ‧ 圖可用於建模各類現實系統，如社交網路、地鐵線路等。 ‧ 樹是圖的一種特例，樹的走訪也是圖的走訪的一種特例。 ‧ 圖的廣度優先走訪是一種由近及遠、層層擴張的搜尋方式，通常藉助佇列實現。 ‧ 圖的深度優先走訪是

匠人 技藝、到解放生產力的工業產品、再到宇宙運行的科學規律，幾乎每一件平凡或令人驚嘆的事物背後，都隱 藏著精妙的演算法思想。 同樣，資料結構無處不在：大到社會網絡，小到地鐵路線，許多系統都可以建模為“圖”；大到一個國家，小 到一個家庭，社會的主要組織形式呈現出“樹”的特徵；冬天的衣服就像“堆疊”，最先穿上的最後才能脫下； 羽毛球筒則如同“佇列”，一端放入、一端取出；字典就像一個“雜湊表”，能夠快速查找目標詞條。 樹或紅黑樹，從而將時間效率從 ?(?) 最佳化至 ?(log ?) ；還可以把鏈結串列轉換為雜湊表，從而將時間複雜度降至 ?(1) 。 9.1.3 圖的常見應用 如表 9‑1 所示，許多現實系統可以用圖來建模，相應的問題也可以約化為圖計算問題。 表 9‑1 現實生活中常見的圖 頂點 邊 圖計算問題 社交網路 使用者 好友關係 潛在好友推薦 地鐵線路 站點 站點間的連通性 最短路線推薦 第 9 章 低。 ‧ 當鄰接表中的鏈結串列過長時，可以將其轉換為紅黑樹或雜湊表，從而提升查詢效率。 ‧ 從演算法思想的角度分析，鄰接矩陣體現了“以空間換時間”，鄰接表體現了“以時間換空間”。 ‧ 圖可用於建模各類現實系統，如社交網路、地鐵線路等。 ‧ 樹是圖的一種特例，樹的走訪也是圖的走訪的一種特例。 ‧ 圖的廣度優先走訪是一種由近及遠、層層擴張的搜尋方式，通常藉助佇列實現。 ‧ 圖的深度優先走訪

匠人 技藝、到解放生產力的工業產品、再到宇宙運行的科學規律，幾乎每一件平凡或令人驚嘆的事物背後，都隱 藏著精妙的演算法思想。 同樣，資料結構無處不在：大到社會網絡，小到地鐵路線，許多系統都可以建模為“圖”；大到一個國家，小 到一個家庭，社會的主要組織形式呈現出“樹”的特徵；冬天的衣服就像“堆疊”，最先穿上的最後才能脫下； 羽毛球筒則如同“佇列”，一端放入、一端取出；字典就像一個“雜湊表”，能夠快速查找目標詞條。 樹或紅黑樹，從而將時間效率從 ?(?) 最佳化至 ?(log ?) ；還可以把鏈結串列轉換為雜湊表，從而將時間複雜度降至 ?(1) 。 9.1.3 圖的常見應用 如表 9‑1 所示，許多現實系統可以用圖來建模，相應的問題也可以約化為圖計算問題。 表 9‑1 現實生活中常見的圖 頂點 邊 圖計算問題 社交網路 使用者 好友關係 潛在好友推薦 地鐵線路 站點 站點間的連通性 最短路線推薦 第 9 章 低。 ‧ 當鄰接表中的鏈結串列過長時，可以將其轉換為紅黑樹或雜湊表，從而提升查詢效率。 ‧ 從演算法思想的角度分析，鄰接矩陣體現了“以空間換時間”，鄰接表體現了“以時間換空間”。 ‧ 圖可用於建模各類現實系統，如社交網路、地鐵線路等。 ‧ 樹是圖的一種特例，樹的走訪也是圖的走訪的一種特例。 ‧ 圖的廣度優先走訪是一種由近及遠、層層擴張的搜尋方式，通常藉助佇列實現。 ‧ 圖的深度優先走訪

匠人 技藝、到解放生產力的工業產品、再到宇宙運行的科學規律，幾乎每一件平凡或令人驚嘆的事物背後，都隱 藏著精妙的演算法思想。 同樣，資料結構無處不在：大到社會網絡，小到地鐵路線，許多系統都可以建模為“圖”；大到一個國家，小 到一個家庭，社會的主要組織形式呈現出“樹”的特徵；冬天的衣服就像“堆疊”，最先穿上的最後才能脫下； 羽毛球筒則如同“佇列”，一端放入、一端取出；字典就像一個“雜湊表”，能夠快速查找目標詞條。 樹或紅黑樹，從而將時間效率從 ?(?) 最佳化至 ?(log ?) ；還可以把鏈結串列轉換為雜湊表，從而將時間複雜度降至 ?(1) 。 9.1.3 圖的常見應用 如表 9‑1 所示，許多現實系統可以用圖來建模，相應的問題也可以約化為圖計算問題。 表 9‑1 現實生活中常見的圖 頂點 邊 圖計算問題 社交網路 使用者 好友關係 潛在好友推薦 地鐵線路 站點 站點間的連通性 最短路線推薦 第 9 章 低。 ‧ 當鄰接表中的鏈結串列過長時，可以將其轉換為紅黑樹或雜湊表，從而提升查詢效率。 ‧ 從演算法思想的角度分析，鄰接矩陣體現了“以空間換時間”，鄰接表體現了“以時間換空間”。 ‧ 圖可用於建模各類現實系統，如社交網路、地鐵線路等。 ‧ 樹是圖的一種特例，樹的走訪也是圖的走訪的一種特例。 ‧ 圖的廣度優先走訪是一種由近及遠、層層擴張的搜尋方式，通常藉助佇列實現。 ‧ 圖的深度優先走訪

匠人 技藝、到解放生產力的工業產品、再到宇宙運行的科學規律，幾乎每一件平凡或令人驚嘆的事物背後，都隱 藏著精妙的演算法思想。 同樣，資料結構無處不在：大到社會網絡，小到地鐵路線，許多系統都可以建模為“圖”；大到一個國家，小 到一個家庭，社會的主要組織形式呈現出“樹”的特徵；冬天的衣服就像“堆疊”，最先穿上的最後才能脫下； 羽毛球筒則如同“佇列”，一端放入、一端取出；字典就像一個“雜湊表”，能夠快速查找目標詞條。 樹或紅黑樹，從而將時間效率從 ?(?) 最佳化至 ?(log ?) ；還可以把鏈結串列轉換為雜湊表，從而將時間複雜度降至 ?(1) 。 9.1.3 圖的常見應用 如表 9‑1 所示，許多現實系統可以用圖來建模，相應的問題也可以約化為圖計算問題。 表 9‑1 現實生活中常見的圖 頂點 邊 圖計算問題 社交網路 使用者 好友關係 潛在好友推薦 地鐵線路 站點 站點間的連通性 最短路線推薦 第 9 章 低。 ‧ 當鄰接表中的鏈結串列過長時，可以將其轉換為紅黑樹或雜湊表，從而提升查詢效率。 ‧ 從演算法思想的角度分析，鄰接矩陣體現了“以空間換時間”，鄰接表體現了“以時間換空間”。 ‧ 圖可用於建模各類現實系統，如社交網路、地鐵線路等。 ‧ 樹是圖的一種特例，樹的走訪也是圖的走訪的一種特例。 ‧ 圖的廣度優先走訪是一種由近及遠、層層擴張的搜尋方式，通常藉助佇列實現。 ‧ 圖的深度優先走訪

匠人 技藝、到解放生產力的工業產品、再到宇宙運行的科學規律，幾乎每一件平凡或令人驚嘆的事物背後，都隱 藏著精妙的演算法思想。 同樣，資料結構無處不在：大到社會網絡，小到地鐵路線，許多系統都可以建模為“圖”；大到一個國家，小 到一個家庭，社會的主要組織形式呈現出“樹”的特徵；冬天的衣服就像“堆疊”，最先穿上的最後才能脫下； 羽毛球筒則如同“佇列”，一端放入、一端取出；字典就像一個“雜湊表”，能夠快速查找目標詞條。 樹或紅黑樹，從而將時間效率從 ?(?) 最佳化至 ?(log ?) ；還可以把鏈結串列轉換為雜湊表，從而將時間複雜度降至 ?(1) 。 9.1.3 圖的常見應用 如表 9‑1 所示，許多現實系統可以用圖來建模，相應的問題也可以約化為圖計算問題。 表 9‑1 現實生活中常見的圖 頂點 邊 圖計算問題 社交網路 使用者 好友關係 潛在好友推薦 地鐵線路 站點 站點間的連通性 最短路線推薦 第 9 章 低。 ‧ 當鄰接表中的鏈結串列過長時，可以將其轉換為紅黑樹或雜湊表，從而提升查詢效率。 ‧ 從演算法思想的角度分析，鄰接矩陣體現了“以空間換時間”，鄰接表體現了“以時間換空間”。 ‧ 圖可用於建模各類現實系統，如社交網路、地鐵線路等。 ‧ 樹是圖的一種特例，樹的走訪也是圖的走訪的一種特例。 ‧ 圖的廣度優先走訪是一種由近及遠、層層擴張的搜尋方式，通常藉助佇列實現。 ‧ 圖的深度優先走訪

匠人 技藝、到解放生產力的工業產品、再到宇宙運行的科學規律，幾乎每一件平凡或令人驚嘆的事物背後，都隱 藏著精妙的演算法思想。 同樣，資料結構無處不在：大到社會網絡，小到地鐵路線，許多系統都可以建模為“圖”；大到一個國家，小 到一個家庭，社會的主要組織形式呈現出“樹”的特徵；冬天的衣服就像“堆疊”，最先穿上的最後才能脫下； 羽毛球筒則如同“佇列”，一端放入、一端取出；字典就像一個“雜湊表”，能夠快速查找目標詞條。 樹或紅黑樹，從而將時間效率從 ?(?) 最佳化至 ?(log ?) ；還可以把鏈結串列轉換為雜湊表，從而將時間複雜度降至 ?(1) 。 9.1.3 圖的常見應用 如表 9‑1 所示，許多現實系統可以用圖來建模，相應的問題也可以約化為圖計算問題。 表 9‑1 現實生活中常見的圖 頂點 邊 圖計算問題 社交網路 使用者 好友關係 潛在好友推薦 地鐵線路 站點 站點間的連通性 最短路線推薦 第 9 章 低。 ‧ 當鄰接表中的鏈結串列過長時，可以將其轉換為紅黑樹或雜湊表，從而提升查詢效率。 ‧ 從演算法思想的角度分析，鄰接矩陣體現了“以空間換時間”，鄰接表體現了“以時間換空間”。 ‧ 圖可用於建模各類現實系統，如社交網路、地鐵線路等。 ‧ 樹是圖的一種特例，樹的走訪也是圖的走訪的一種特例。 ‧ 圖的廣度優先走訪是一種由近及遠、層層擴張的搜尋方式，通常藉助佇列實現。 ‧ 圖的深度優先走訪

匠人 技藝、到解放生產力的工業產品、再到宇宙運行的科學規律，幾乎每一件平凡或令人驚嘆的事物背後，都隱 藏著精妙的演算法思想。 同樣，資料結構無處不在：大到社會網絡，小到地鐵路線，許多系統都可以建模為“圖”；大到一個國家，小 到一個家庭，社會的主要組織形式呈現出“樹”的特徵；冬天的衣服就像“堆疊”，最先穿上的最後才能脫下； 羽毛球筒則如同“佇列”，一端放入、一端取出；字典就像一個“雜湊表”，能夠快速查找目標詞條。 樹或紅黑樹，從而將時間效率從 ?(?) 最佳化至 ?(log ?) ；還可以把鏈結串列轉換為雜湊表，從而將時間複雜度降至 ?(1) 。 9.1.3 圖的常見應用 如表 9‑1 所示，許多現實系統可以用圖來建模，相應的問題也可以約化為圖計算問題。 表 9‑1 現實生活中常見的圖 頂點 邊 圖計算問題 社交網路 使用者 好友關係 潛在好友推薦 地鐵線路 站點 站點間的連通性 最短路線推薦 第 9 章 低。 ‧ 當鄰接表中的鏈結串列過長時，可以將其轉換為紅黑樹或雜湊表，從而提升查詢效率。 ‧ 從演算法思想的角度分析，鄰接矩陣體現了“以空間換時間”，鄰接表體現了“以時間換空間”。 ‧ 圖可用於建模各類現實系統，如社交網路、地鐵線路等。 ‧ 樹是圖的一種特例，樹的走訪也是圖的走訪的一種特例。 ‧ 圖的廣度優先走訪是一種由近及遠、層層擴張的搜尋方式，通常藉助佇列實現。 ‧ 圖的深度優先走訪