什么是图表可以解决比替代问题更好的问题的好例子？
阅读Stevey Yegge的“ 获得工作”在Google的文章中，我发现这个有趣的小引语：
每当有人给你一个问题，想想图。 他们是代表任何一种关系的最基本和最灵活的方式，所以任何一个有趣的devise问题都会涉及一个图表。 请确保在转向其他解决schemetypes之前，无法想象使用图解解决此问题的方法。 这个提示很重要！
graphics数据结构/algorithm最能代表和/或解决哪些问题的例子是什么？
我可以想到的一个例子是：导航单元（ala Garmin，TomTom），提供从当前位置到另一个位置的路线方向，利用graphics和高级pathalgorithm。
还有其他什么？
计算机networking：graphics模型直观地模拟计算机networking和互联网。 节点通常代表terminal系统或路由器，而边代表这些系统之间的连接。
数据结构：利用指针将数据链接在一起的任何数据结构都是利用某种graphics。 这包括始终使用的树结构和链接列表。
Pathing和Maps：试图从某个位置到目的地find最短或最长的path，并使用graphics。 这可以包括像在Google地图这样的应用程序中看到的path，或计算AIangular色在video游戏中的path，以及许多其他类似的问题。
约束满意度： AI中的一个常见问题是find满足一系列约束条件的目标。 例如，大学要设定课程时间表，需要确保某些课程不冲突，教授不是同时教两门课程，讲课是在某些时间段进行的，等等。 像这样的约束满足问题通常使用图来模拟和解决。
分子：图表可以用来模拟primefaces和分子，研究它们之间的相互作用和结构。
我对图论非常感兴趣，并且使用它解决了许多不同的问题。 你可以用图来解决很多Path相关的问题，匹配问题，结构问题。
-
path问题有很多应用。
这是在一个职业杯的面试问题。 假设你想find一个子数组的最长和。 例如，
[1, 2, 3, -1]的总和最长为6.build模为有向非循环图 （ DAG ），添加一个虚拟源，虚拟目标。 将每个节点连接到一个与数字相对应的边。 现在使用DAG中的最长pathalgorithm来解决这个问题。同样，金融世界中的套利问题甚至是find最长的重叠结构的几何问题也是类似的path问题。
-
一些明显的问题是networking问题 （你的networking可能有电脑人员，组织结构图等）。
你可以收集许多结构信息- 该点将graphics分成两部分
- 连接它们的最好方法是什么？
- 什么是最好的方式来到另一个地方
- 有没有办法从另一个地方到达一个地方等
-
我用图解解决了很多与项目pipe理有关的问题。 一系列的事件可以被描绘成一个有向图 （如果你没有周期，那么它就更好）。 所以，现在你可以
- 根据优先级对事件进行sorting
- 你可以find最关键的事件（那就是免费的很多其他项目）
- 你可以find解决整个项目所需的时间（path问题）等
-
很多匹配问题可以通过图来解决。 例如，如果您需要将处理器与工作负载匹配或将工作人员与其工作匹配。 在我的期末考试中，我不得不把人们和餐馆里的餐桌相匹配。 它遵循相同的原则（双向匹配 – >networkingstreamalgorithm）。 它简单而强大。
-
一个特殊的graphics， 树 ，在计算机科学世界有很多应用。 例如，在编程语言的语法中，或在数据库索引结构中。
-
最近，我还在编译器优化问题中使用了图表。 我正在使用摩根的书，这是教我迷人的技术。
这份名单确实在继续。 图是关系的一个美好的math抽象。 如果你能正确地build模，你真的可以创造奇迹。 而且由于图论发现了如此多的应用，所以在这个领域有许多积极的研究。 而且由于大量的研究，我们看到更多的应用正在加速研究。
如果你想开始使用图论，可以买一本好的初学离散math书（ Rosen在我脑海中），你可以从Fould或Even这样的作家那里买书。 CLRS也有很好的graphicsalgorithm。
您的源代码是树状结构，树是一种graphics。 每当你听到人们在谈论AST（抽象语法树）时，他们正在谈论一种graphics。
指针形成graphics结构。 任何指针都在做某种graphics操作。
networking是一个巨大的有向图。 谷歌关键的洞察力，导致他们在search中占主导地位的是，networking的graphics结构比页面的文本内容具有可比性或更大的重要性。
状态机是图。 状态机用于networking协议，正则expression式，游戏等各个领域。
想想你做的不涉及某种graphics结构的东西是相当困难的。
大多数人都很熟悉的例子：构build系统。 Make是一个典型的例子，但是几乎任何一个好的构build系统都依赖于一个有向无环图。 其基本思想是，方向模拟源和目标之间的依赖关系，并且应该按照一定的顺序“走”图来正确构build事物 – >这是拓扑sorting的一个例子。
另一个例子是信源控制系统：再次基于一个DAG。 它用于合并，例如，find共同的父母。
那么编译器使用的许多程序优化algorithm都是基于graphics的（例如，找出调用图，stream量控制，大量的静态分析）。
许多优化问题都是基于graphics的。 由于许多问题都可以通过graphics着色和类似的问题来减less，所以许多其他的问题也是基于graphics的。
我不确定我是否同意图表是expression每一个关系的最好方式，我当然试图避免这些“弄明白，让我们find一把锤子”的方法。 图表通常具有较差的内存表示，而且在使用matrix，位集和其他东西实现时，许多algorithm实际上更有效（实际上）。
OCR。 在一个angular度扫描文本的页面，在图像中有一些噪声，在这里你必须find文本行之间的空间。 一种方法是制作像素图，找出从页面一侧到另一侧的最短path，其中亮度差异是像素之间的距离。
这个例子来自algorithmdevise手册 ，其中有许多其他现实世界的graphics问题的例子。
一个stream行的例子是垃圾收集。
收集器以一组引用开始，然后遍历它们引用的所有对象，然后遍历所有引用的对象等等。 它find的所有东西都被添加到可达对象的graphics中。 所有其他对象无法访问和收集。
了解两个分子是否可以合在一起。 当开发药物时，人们往往对药物分子是否能够适应体内较大的分子感兴趣。 确定这是否可能的问题是分子不是静态的。 分子的不同部分可以围绕它们的化学结合物旋转，使得分子可以变成相当多的不同形状。
每个形状可以说是代表一个由形状组成的空间中的一个点。 解决这个问题涉及通过这个空间find一条path。 你可以通过创build一个空间的路线图，这本质上是一个graphics组成的法律形状，并说形状可以变成一个形状。 通过使用这个路线图的A *图searchalgorithm，您可以find一个解决scheme。
好吧，这可能是不是很容易理解或清楚。 但是我的观点是图表出现了各种各样的问题。
恕我直言，我们在正常应用中使用的大多数域模型都是在某些方面的graphics。 已经看过UML图的人可以注意到，有了一个有向标记的图，你可以很容易地将它们转换成一个持久化模型。 Neo4j有一些例子
干杯
/彼得
图表非常适合pipe理依赖关系。
我最近开始使用Castle Windsor容器，在检查内核之后，我find了一个GraphNodes属性。 温莎城堡使用图来表示对象之间的依赖关系 ，以便注入将正确工作。 看看这篇文章 。
我也使用简单的图论来开发一个插件框架，每个图节点代表一个插件，一旦定义了依赖关系，我可以遍历该图创build一个插件加载顺序。
我正在计划改变algorithm来实现Dijkstra的algorithm，以便每个插件都使用特定的版本进行加权，因此一个简单的更改只会加载最新版本的插件。
我和我早已经发现了。 我喜欢这句话“每当有人给你一个问题，想想图表。” 我绝对认为这是事实。
你可以看一下Neo4j wiki中的一些例子，
和Neo4j被使用的项目（已知的）
否则，推荐algorithm很适合Graphs，请参阅PageRank和其他内容
以下是基于图论：
- 二叉树和其他树木，如红黑树，斜张树等
- 链接列表
- 任何build模为状态机（GUI，networking堆栈，CPU等）
- 决策树（用于AI和其他应用程序）
- 复杂的类inheritance
graphics不是数据结构。 他们是关系的math表示。 是的，你可以用图表思考和理论化问题，关于它的理论有很多。 但是当你需要实现一个algorithm时，你正在select数据结构来最好地代表问题，而不是graphics。 有很多数据结构代表一般的graphics，甚至更多的特殊的graphics。
在你的问题中，你混合了这两个东西。 同样的理论解决scheme可能是graphics方面，但实际的解决scheme可能使用不同的数据结构来表示graphics。
人与人之间的社交联系是一个有趣的图表例子 我试图使用传统的RDMS在数据库级build立这些连接的模型，但是发现它太难了。 我最终select了一个graphics数据库，这是一个不错的select，因为它可以很容易地跟踪人（节点）之间的连接（边缘）。
任何可以在关系数据库中作为外键build模的东西本质上都是图中的边和节点 。
也许这会帮助你考虑一些例子，因为大多数事情都可以在RDBMS中很容易地build模。
在代码中进行性能分析和/或基准testingalgorithm和实现。
分析数据库理论中的事务可序列性。
您可以在任何可以将问题域对象定义为节点的位置使用graphics，并将解决scheme用作节点间的控制和/或数据stream。
考虑到树实际上是连通的 – 非循环图的事实，有更多的领域可以使用图论。
基本上几乎所有常见的数据结构，如树，列表，队列等，都可以被认为是图的types，一些具有不同types的约束。
根据我的经验，我在networkingstream量问题中大量使用了图表，在电信networking路由和优化，工作负载分配 ， 匹配 ， 供应链优化和公共交通规划等许多领域都有使用。
另一个有趣的地方就是前面提到的答案是社交networkingbuild模
还有更多，如集成电路优化等。
