图论基础与存储结构：邻接矩阵与邻接表实战解析

1. 图论基础概念与核心价值

图论作为离散数学的重要分支，在计算机科学领域有着举足轻重的地位。我第一次接触图论是在解决城市公交线路最优路径问题时，发现它远比线性表和树形结构更能刻画现实世界的复杂关系。图（Graph）由顶点（Vertex）和边（Edge）组成，这种二元关系结构可以建模社交网络、交通系统、任务调度等众多场景。

图的数学定义为G=(V,E)，其中V是顶点集合，E是边集合。根据边的方向性可分为有向图和无向图——就像单行道和双向道的区别。在实际编码中，我们常用邻接矩阵和邻接表两种存储结构，它们各有优劣：邻接矩阵适合稠密图，能快速判断顶点连通性；邻接表则节省空间，特别适合边数较少的稀疏图。

经验之谈：新手常犯的错误是混淆顶点编号和实际业务ID。建议建立映射表，既保持内部处理效率，又不丢失业务语义。

2. 图的存储结构深度解析

2.1 邻接矩阵实现细节

邻接矩阵用二维数组表示顶点间的连接关系。对于无向图，矩阵是对称的；有向图则可能不对称。以下是典型实现代码：

c复制#define MAX_VERTEX 100
int adjMatrix[MAX_VERTEX][MAX_VERTEX];

void addEdge(int src, int dest, int isDirected) {
    adjMatrix[src][dest] = 1;
    if(!isDirected) adjMatrix[dest][src] = 1;
}

空间复杂度为O(V²)，适合边数接近顶点数平方的情况。我在电商推荐系统项目中就采用这种结构，因为需要频繁查询用户-商品间的关联强度。

2.2 邻接表的优化实践

邻接表通过链表存储每个顶点的邻居，空间复杂度降至O(V+E)。现代实现常用动态数组替代链表以提高缓存命中率：

python复制class Graph:
    def __init__(self, vertex_count):
        self.adjList = [[] for _ in range(vertex_count)]
    
    def add_edge(self, src, dest, isDirected=False):
        self.adjList[src].