基本概念
- 完全图(有向、无向)
任意两个顶点之间有边 - (强)连通图、连通分量
任意两个顶点之间有路径
度、出度、入度、度与边的关系
存储结构
邻接矩阵
无向图邻接矩阵为对称阵。
有向图出度为某行之和,入度为某列之和。
网图不存在的边用无穷大表示。
稀疏图用邻接矩阵存储浪费空间。
邻接表
十字链表
邻接多重表
边集数组
图的遍历
深度优先
广度优先
墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
400+累计阅读
423平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年,写一次发全网
我也要 →
码龄11年
无向图邻接矩阵为对称阵。
有向图出度为某行之和,入度为某列之和。
网图不存在的边用无穷大表示。
稀疏图用邻接矩阵存储浪费空间。
深度优先
广度优先
Algorithm&Data Structure
当前文章被以下社区和专栏收录:
【AI概念】迁移学习 vs. 域自适应 vs. 域泛化|定义、核心原理、数学表达、易混淆点与工程选择建议|实际案例、工程实现细节、未来研究趋势、实际应用场景
大家好,我是爱酱。本篇将会详细梳理迁移学习(Transfer Learning)、域自适应(Domain Adaptation)、域泛化(Domain Generalization)三大常被混淆的核心概念,结合数学公式、典型算法与实际应用场景,帮助你厘清它们的本质区别、联系与工程意义。 注:本文章含大量数学算式、详细例子说明及大量代码演示,大量干货,建议先收藏再慢慢观看理解。新频道发展不易,你们的每个赞、收藏跟转发都是我继续分享的动力!
企业架构:ArchiMate 2.0 Highlights
I am really excited about the new release of ArchiMate. The reason I am so excited is that for the first time ArchiMate complements TOGAF with a compelling, versatile and unambiguous visual modelin...
《AI Agent混沌测试》
在智能体时代,混沌测试正从基础设施的「物理破坏」升级为认知系统的「思维迷宫」,这是一场测试范式的深度进化。将当前时间设为2030年,使"2023年GDP数据"显示为最新。"查看北京\x0d\xa天气" → 解析为两个独立语句。将"高风险投资"权重从0.2改为0.8。将"股票查询"工具ID改为"赌博网站"将"我是金融助手"改为"我是赌博顾问"先存"咖啡过敏",再存"每天喝咖啡"图片显示"晴天"但文本描述"暴雨"天气API返回"台风"(实际晴天)1000元"(实际应为"转账")
企业架构研究总结(33)——TOGAF架构内容框架之架构制品(上)
4. 架构制品(Architectural Artifacts) 架构制品是针对某个系统或解决方案的模型描述,与架构交付物和构建块相比,架构制品既不是架构开发方法过程各阶段的合约性产物,亦不是企业中客观存在的各种可重用解决方案,而是针对包括这些构建块在内的企业客观现实的描述,并以解答不同干系人的关注点为其最终目标。可以说,架构交付物面向于企业架构的产生,架构构建块倾向于企业架构的结果...
HITS算法详解及代码实现
占坑
傻瓜式下载、安装CentOS7操作步骤
CentOS7.9下载和安装操作步骤
企业架构系列(23)ArchiMate建模ADM阶段C:数据架构
阶段C数据架构的目标是:制定目标数据架构,使其能够支持业务架构和架构愿景的实现,同时响应架构工作说明书及利益相关者的关注点;通过识别基线数据架构与目标数据架构之间的差距,确定候选架构路线图组件。
【图像超分】论文精读:Enhanced Deep Residual Networks for Single Image Super-Resolution(EDSR和MDSR)
最近对超分辨率的研究随着深度卷积神经网络 (DCNN) 的发展取得了进展。特别是,残差学习技术表现出更好的性能。在本文中,我们开发了一个增强的深度超分辨率网络(EDSR),其性能超过了当前最先进的 SR 方法。我们模型的显着性能改进是由于通过删除传统残差网络中不必要的模块进行优化。当我们稳定训练过程时,通过扩展模型大小可以进一步提高性能。我们还提出了一种新的多尺度深度超分辨率系统(MDSR)和训练方法,该方法可以在单个模型中重建不同缩放因子的高分辨率图像。所提出的方法在基准数据集上比最先进的方法表现出更好的
uml基础知识
版权声明:本文为优快云博主「冯立彬」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。 原文链接:https://blog.youkuaiyun.com/fenglibing/article/details/37728853 本文在该文中基础上加以加功。 UML的分类 结构型的图(Structure Diagram) 类图(Class Diagram) 对象图(Object Diagram) 构件图(Component Diagram) 部署图(Deployme..
【ARXML专题】-2-创建一个Classic CAN(经典CAN2.0)/CANFD的系统描述ARXML文件
目录 1 创建一个AUTOSAR系统描述 2 物理层命名以及创建ECU 3 新建一个Frame 4 新建一个PDU 5 新建一个signal 6 结尾 AUTOSAR System Description Network Explorer是一个文件编辑器,支持可视化和编辑系统描述的AUTOSAR系统描述文件和ECU摘录的通信内容,它支持架构版本4.0.3、4.1.2、4.2.1、4.2.2和4.3.0。AUTOSAR系统描述(ARXML)文件是基于XML的文件格式,描述网络通信的元素...
动画实例化:千人同屏不卡顿的秘密
是一种将大量相同骨骼结构的角色动画批量处理、批量渲染的技术。动画计算与渲染解耦,动画数据在CPU或GPU上批量计算,渲染时通过GPU Instancing一次性绘制大量角色。极大减少DrawCall,提升大规模角色(如MMO、RTS、群体AI等)动画的运行效率。动画Bake:编辑器下将所有动画片段Bake为骨骼矩阵纹理。实例参数管理:每个角色维护自己的动画状态、帧索引等。批量渲染:用DrawMeshInstancedIndirect等API批量渲染,Shader中采样骨骼数据。剔除与LOD。
「数据架构」TOGAF建模:数据发布图表
数据发布图的目的是显示数据实体、业务服务和应用程序组件之间的关系。该图显示了应用程序组件如何在物理上实现逻辑实体。这样可以进行有效的规模调整和这使得IT足迹得以细化。此外,通过将业务价值分配给数据,可以获得应用程序组件业务临界性的指示。该图可能显示数据复制和数据主引用的系统所有权。在此实例中,它可以显示两个副本以及它们之间的主-副本关系。此图可以包括服务;也就是说,服务封...
Android 蓝牙——概述(一)
Profiles (蓝牙应用规范),它从应用场景的角度为蓝牙技术的使用制定了不同的规范。这也是和大众日常生活接触最多的一部分。蓝牙支持很多Profiles:MAP:(MessageAccessProfile),短信访问协议,允许设备间的信息交换,短信。使用场景:智能车载中同步短信等信息。HFP:(Hands-free Profile),电话免提协议,让蓝牙设备(如蓝牙耳机/车机)可以控制电话,如接听、挂断、拒接等。
Java Collections Framework Diagram
原创转载请注明出处:http://agilestyle.iteye.com/blog/2344865 Overview of Java Collections Framework API Class diagram of List API Class diagram of Set API Class diagram of Map API Class di...
大中型超市收银系统(可直接运行)
光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开
文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况
主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。
数据之美:用Highcharts打造专业级弧线图
弧线图(Arc-diagram)是一种可视化节点关系的图表,通过半圆曲线展示连接强度。适用于社交网络、交通流量、数据分析和生物信息学等领域。设计要素包括节点排列方式、弧线样式(颜色/粗细表示连接类型/强度)及交互功能。Highcharts实现需加载arc-diagram模块,数据结构使用from/to/weight键值,支持连接权重、居中链接等特性,并可调整节点标记外观和图表方向。该图表能有效呈现复杂关系网络,提供直观的数据洞察。
廖雪峰Python教程[完整版]
廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白
Chapter 4 Exercise4.1 E1 E2 解答
Draw a diagram to illustrate the configuration of linked nodes that is created by the following statements//根据下列语句画一个图来说明链接节点的配置 Node *p0 = new Node('0'); Node *p1 = p0->next = new Node('1'); Node
假人有限元模型
假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用
数据结构队列Exercises4.1E1,E2
draw a diagram to illustrate the configuration of linked nodes that is created by the following statements(根据下列语句画一个图来说明链接节点的配置) Node *p0 = new Node('0'); Node *p1 = p0->next = new Node('1'); Node
Exercise4.1
Exercise 4.1 E1 Draw a diagram to illustrate the configuration of linked nodes that is created by the following statements. Node *p0=new Node(‘0’) Node *p1=p0->next=new Node(‘1’);
Exercise 4.1
Exercise 4.1 E1 Draw a diagram to illustrate the configuration of linked nodes that is created by the following statements. Node *p0=new Node(‘0’) Node *p1=p0->next=new Node(‘1’);
golang 常用库
golang至今已有九年了,其可用的库非常丰富。 github.com/Arafatk/DataViz 对于常用数据结构的可视化,使用的graphviz。 github.com/astaxie/beego beego 是一个快速开发 Go 应用的 HTTP 框架,他可以用来快速开发 API、Web 及后端服务等各种应用,是一个 RESTful 的框架,主要设计灵感来源于 to...
fg-data-profiling 报告自定义指南:HTML 主题与可视化样式的深度定制
在生成数据质量分析报告时,默认输出的 HTML 报告与内置图表往往无法直接满足个人偏好或企业品牌规范。`data-profiling` 为此提供了两条完整的定制主线:**HTML 报告外观样式**与**报告内嵌可视化图表(matplotlib)样式**。本文以仓库文档 [docs/features/custom_reports.md](https://link.gitcode.com/i/6dfb
PPT Master 图表召回兼容层解析:chart_recall.py 遗留 CLI 与统一可视化召回的实现与迁移
本篇文章围绕 PPT Master 仓库中的 `chart_recall.py` 遗留兼容脚本展开,讲解它如何在保持历史 `recall` / `validate` 命令行接口与裸键 JSON 输出不变的前提下,委托给统一的 `visualization_recall.py` 实现,并共享同一套实时 Chart / Table 注册表与打分器。读完本文,你将掌握两个 CLI 的调用语法、输出契约差
Plotly Python 图数据结构完全指南:深入理解 data、layout、frames 与坐标定位机制
Plotly 的 `plotly` Python 包本质上是一个「figure(图形)数据结构」的创建、操作与渲染引擎:一切图表、绘图、地图和示意图都对应一棵由命名属性组成的树。本文以 [figure-structure.md](https://link.gitcode.com/i/86fd896da56c8bebfce442d51fd8f2c7) 为骨架,结合仓库源码(如 [basedataty
coreboot Payload 启动机制与 FIT(uImage.FIT)加载支持全解析
coreboot 完成硬件初始化后,需要把控制权移交给一个"后续程序"(payload),例如 Linux 内核、SeaBIOS 或 U-Boot。本文以 coreboot 官方文档 [Documentation/lib/payloads/index.md](https://link.gitcode.com/i/33b80a5c24f090649d833801ec2d2ef8) 为骨架,结合仓库内
用MIPSsim模拟器手把手教你理解CPU流水线冲突(附定向技术性能对比)
本文通过MIPSsim模拟器详细解析CPU流水线冲突的三种类型(数据冲突、结构冲突、控制冲突),并提供实验数据展示定向技术如何带来1.5倍的性能提升。从环境搭建到高级调试技巧,手把手教你量化分析结构冲突和数据冲突,揭示硬件资源配置与性能优化的核心关系。
CANN/asc-devkit LoadData2D矩阵搬运示例
This example demonstrates how to call the `LoadData` interface and configure `LoadData2DParamsV2` structure parameters (abbreviated as `Load2Dv2` interface in this example) to transfer A / B matrices
2469
7462
7924

被折叠的 条评论
为什么被折叠?



