build

chapter_graph/graph.md

@@ -14,7 +14,7 @@ G & = \{ V, E \} \newline
 \end{aligned}
 $$
 
-![linkedlist_tree_graph](graph.assets/linkedlist_tree_graph.png)
+![链表、树、图之间的关系](graph.assets/linkedlist_tree_graph.png)
 
 那么，图与其他数据结构的关系是什么？如果我们把「顶点」看作结点，把「边」看作连接各个结点的指针，则可将「图」看成一种从「链表」拓展而来的数据结构。**相比线性关系（链表）和分治关系（树），网络关系（图）的自由度更高，也从而更为复杂**。
 
@@ -25,18 +25,18 @@ $$
 - 在无向图中，边表示两顶点之间“双向”的连接关系，例如微信或 QQ 中的“好友关系”；
 - 在有向图中，边是有方向的，即 $A \rightarrow B$ 和 $A \leftarrow B$ 两个方向的边是相互独立的，例如微博或抖音上的“关注”与“被关注”关系；
 
-![directed_graph](graph.assets/directed_graph.png)
+![有向图与无向图](graph.assets/directed_graph.png)
 
 根据所有顶点是否连通，分为「连通图 Connected Graph」和「非连通图 Disconnected Graph」。
 
 - 对于连通图，从某个顶点出发，可以到达其余任意顶点；
 - 对于非连通图，从某个顶点出发，至少有一个顶点无法到达；
 
-![connected_graph](graph.assets/connected_graph.png)
+![连通图与非连通图](graph.assets/connected_graph.png)
 
 我们可以给边添加“权重”变量，得到「有权图 Weighted Graph」。例如，在王者荣耀等游戏中，系统会根据共同游戏时间来计算玩家之间的“亲密度”，这种亲密度网络就可以使用有权图来表示。
 
-![weighted_graph](graph.assets/weighted_graph.png)
+![有权图与无权图](graph.assets/weighted_graph.png)
 
 ## 9.1.2.   图常用术语
 
@@ -54,7 +54,7 @@ $$
 
 如下图所示，记邻接矩阵为 $M$ 、顶点列表为 $V$ ，则矩阵元素 $M[i][j] = 1$ 代表着顶点 $V[i]$ 到顶点 $V[j]$ 之间有边，相反地 $M[i][j] = 0$ 代表两顶点之间无边。
 
-![adjacency_matrix](graph.assets/adjacency_matrix.png)
+![图的邻接矩阵表示](graph.assets/adjacency_matrix.png)
 
 邻接矩阵具有以下性质：
 
@@ -68,7 +68,7 @@ $$
 
 「邻接表 Adjacency List」使用 $n$ 个链表来表示图，链表结点表示顶点。第 $i$ 条链表对应顶点 $i$ ，其中存储了所有与该顶点相连的顶点。
 
-![adjacency_list](graph.assets/adjacency_list.png)
+![图的邻接表表示](graph.assets/adjacency_list.png)
 
 邻接表仅存储存在的边，而边的总数往往远小于 $n^2$ ，因此更加节省空间。但是，因为在邻接表中需要通过遍历链表来查找边，所以其时间效率不如邻接矩阵。