图是计算机科学中的一种基本数据结构，用于表示对象之间的关系，比如社交网络中的好友关系、网页之间的链接等。本文将详细探讨图的两种常见存储方式——邻接矩阵和邻接表，以及基于这两种数据结构的深度搜索（DFS）、广度搜索（BFS）和Dijkstra最短路径算法。
邻接矩阵是一种二维数组，用于表示图中所有节点之间的连接关系。矩阵的每个元素代表一对节点之间是否存在边。如果节点i与节点j之间有边，则邻接矩阵的[i][j]位置为1（或非零值），否则为0。对于无向图，邻接矩阵是对称的；而对于有向图，矩阵可能不对称。邻接矩阵的优点是查询效率高，但空间复杂度较高，当图稀疏时（边的数量远小于节点数量的平方）并不理想。
邻接表则是另一种节省空间的图存储方式。它为每个节点维护一个列表，记录与其相邻的所有节点。对于无向图，每个节点的列表包含所有与之相连的节点；而对于有向图，列表只包含入边的起点。邻接表在处理稀疏图时更有效，因为它只存储实际存在的边。然而，查询特定节点的邻居时可能需要遍历列表，效率相对较低。
接下来，我们讨论两种遍历图的方法：深度优先搜索（DFS）和广度优先搜索（BFS）。DFS从一个节点出发，尽可能深地探索图的分支，直到达到叶子节点，然后回溯。BFS则从起始节点开始，依次访问其所有邻居，然后再访问这些邻居的邻居，直到遍历完整个图。DFS通常使用栈实现，BFS则使用队列。这两种方法在寻找最短路径、检测环路等问题上各有优势。
Dijkstra最短路径算法是一种用于找出图中两个节点之间最短路径的算法。它基于贪心策略，每次扩展当前最短路径的节点，直到找到目标节点。Dijkstra算法适用于没有负权边的图，可以配合邻接矩阵或邻接表实现。对于邻接矩阵，可以直接访问权重；对于邻接表，可以使用优先队列（如二叉堆）来快速找到最小距离的节点。
总结来说，邻接矩阵和邻接表是图的主要存储方式，各有优缺点。深度搜索和广度搜索是图的遍历方法，而Dijkstra算法是求解最短路径的关键工具。理解这些概念及其在不同场景下的应用，对于理解和解决图论问题至关重要。在实际编程中，应根据具体需求选择合适的数据结构和算法。
