阅读了 Stevey Yegge 的 Get That Job At Google 文章后，我发现这句话很有意思：
每当有人给你一个问题时，想到图形。它们是表示任何关系的最基本和灵活的方式，所以任何有趣的设计问题都有50%的可能涉及图形。在尝试其他解决方案之前，请确保无法考虑使用图形解决它。这个提示很重要！
哪些问题最适合使用图形数据结构/算法来表示和/或解决？
我能想到的一个例子是：导航设备（如 Garmin、TomTom），提供从当前位置到另一个位置的路线指示，利用图形和高级路径算法。
还有哪些例子？
计算机网络：图形直观地模拟了计算机网络和互联网。通常，节点代表终端系统或路由器，而边缘表示这些系统之间的连接。
数据结构：任何利用指针将数据链接在一起的数据结构都使用了某种类型的图形。这包括树形结构和链表，这些数据结构经常被使用。
路径和地图：寻找从某个位置到目的地的最短或最长路径使用了图形。这可以包括在应用程序中看到的路径，例如Google地图，或者为视频游戏中的AI角色计算路径等类似问题。
约束满足：AI中的一个常见问题是找到满足一系列约束条件的目标。例如，对于大学制定课程计划，它需要确保某些课程不冲突，教授不同时教授两门课程，演讲在特定时间段内进行等等。像这样的约束满足问题通常使用图形建模和解决。
分子：图形可以用于对原子和分子进行建模，以研究它们的相互作用和结构等其他问题。
我对图论非常感兴趣，并且已经使用它解决了许多不同类型的问题。你可以使用图来解决很多与路径相关的问题、匹配问题和结构问题。
路径问题有许多应用。
这是一个Career Cup的面试题。比如说，你想要找到一个子数组中的最长子序列和。例如：[1, 2, 3, -1] 的最长和为6。将其建模成一个有向无环图 (DAG)，添加一个虚拟源和虚拟终点。将每个节点连接到具有相应数字权重的边缘。现在使用DAG中的最长路径算法来解决此问题。
同样，金融领域的套利问题或者几何学中找到最长重叠结构的问题也是类似的路径问题。
一些明显的问题是网络问题（其中您的网络可能包括计算机、人员、组织图等）。
您可以了解许多结构信息，例如：
我使用图解决了许多与项目管理相关的问题。 事件序列可以被描绘为一个有向图（如果你没有循环那就更好了）。现在，您可以：
许多关于匹配问题的难题都可以用图解决。例如，当你需要将处理器与工作负载匹配或者将工人与他们的工作匹配时。在我的期末考试中，我需要将人们与餐厅桌子匹配。这遵循着相同的原理（二分匹配 -> 网络流算法）。它简单而强大。
一种特殊的图——树，在计算机科学领域有众多应用。例如，在编程语言的语法中或者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 Morgan 的书，它教授了我很多有趣的技巧。
这个列表真的是无穷无尽。图表是一个美妙的数学抽象，用于描述关系。如果你能正确地建模，你就能创造奇迹。由于图论已经找到了如此之多的应用，所以该领域有很多活跃的研究。因为有许多研究，我们正在看到更多的应用，这又推动了更多的研究。
如果你想开始学习图论，可以阅读一本好的初级离散数学书籍（我想起了 Rosen），你也可以购买像 Fould 或 Even 这样的作者的书籍。CLRS 也有很好的图算法。
你的源代码是树形结构，而树是一种图形结构。当你听到人们谈论AST（抽象语法树）时，他们谈的就是一种图形结构。
指针构成了图形结构。任何使用指针的东西都在进行某种图形操作。
Web是一个巨大的有向图。Google的关键洞察力，导致他们在搜索领域占主导地位，就是Web的图形结构与页面的文本内容同等或更重要。
状态机是图形结构。状态机用于网络协议、正则表达式、游戏和各种其他领域。
很难想象你所做的任何事情都不涉及某种图形结构。
一个大多数人都熟悉的例子是构建系统。Make 是典型的例子，但几乎所有好的构建系统都依赖于有向无环图 (DAG)。基本想法是方向模型源和目标之间的依赖关系，并且您应该按照特定顺序“遍历”图以正确构建事物 -> 这是拓扑排序的一个例子。
另一个例子是源代码控制系统：同样基于 DAG。它用于合并，例如查找公共父项。
很多编译器使用的程序优化算法都是基于图形的（例如，找出调用图、流控制、大量静态分析等）。
许多优化问题都基于图形。由于许多问题可以归约为图形着色和类似问题，因此许多其他问题也是基于图形的。
我不确定图形是表示每个关系的最佳方式，我肯定会尽量避免这些“有一个钉子，我们来找一个锤子”的方法。图形通常具有较差的内存表示，并且许多算法实际上在使用矩阵、位集和其他东西实现时更有效（在实践中）。
一个流行的例子是垃圾回收。
垃圾回收器从一组引用开始，然后遍历它们所引用的所有对象，然后遍历引用的所有对象以此类推。它发现的所有内容都会被添加到可达对象图中。所有其他对象都是不可达的并将被回收。
