假设要在n个城市之间建立通信网络，则连通n个城市只需要n-1条线路。现在想节省光缆，使得路径和最小。
这一问题就是最小代价生成树问题(Minimum Cost Spanning Tree)，简称MST。
MST性质：假设N=(V, {E})是一个连通图，U是顶点集合V的一个非空子集，若(u, v)是一条具有最小权值的边，u属于U且v属于V-U。则必存在一棵包含边(u, v)的最小生成树。
因此，可以采用贪心算法解决。
1、Prim(普里姆)算法
我们需要设置[......]
图的遍历：从图中某一顶点出发访遍图中其余顶点，且使每一个顶点仅被访问一次。
图比树复杂，为了避免同一顶点被访问多次，可以设置一个辅助数组，初始值置为False或者0。当访问到后，设置值为真或被访问的次序ID。
图遍历主要有两种：深度优先搜索、广度优先搜索。
深度优先遍历
是树的先根遍历的推广。
从图中某个顶点v出发，访问此顶点，然后依次从v的未被访问的邻接点出发深度优先遍历图，直至图中所有和v相连通的路径都被访问到。然后再另选一个未被访问的结点做为起始点。
代[......]
对于一个连通图，如果删除了结点v以及相关联的边之后，图被分割成了两个或以上的连通分量，则称v是该图的一个关节点(articulation point)，也叫割点。
如果一个图中不存在关节点(割点)，则该图为重连通图(biconnected graph)。显然重连通图是很稳定的，例如一个航空网络是重连通的，则当某调航线因为外部条件被破坏，那么旅客总可以从别的航线绕道到达目的地。
如果在连通图上至少要删除k个顶点才能破坏图的连通性，则称此图的连通度为k。
对于如下的连通图G：[......]
前面实现的邻接矩阵面临一个巨大的问题：对于稀疏矩阵，将耗费巨大的资源，而大部分都是0。
现实中，绝大多数矩阵都是稀疏的！
我们可以采用如下的邻接表方法存储。
首先定义每个弧如下：
ivex是在顶点在数组中的下标。
next是一条链表，即某个顶点i的所有邻接结点的弧组成。
// Arc
struct Arc
{
int ivex; // The vex position in vexs array
struct Arc* next;
};
然后对于每[......]
可以用两个数组分别存储数据元素（顶点）、数据元素之间的关系（边或弧度）。
顶点数组不说了，表示弧的数组称为“邻接矩阵”AdjMatrix。
对于有向图：AdjMatrix[i][j]为0表示顶点i和顶点j之间无弧，1为i和j间有弧。
对于无向图：AdjMatrix[i][j]同样是1表示有弧，0无弧。单AdjMatrix[i][j]为1则一定有AdjMatrix[j][i]为1，因为弧是无方向对称的。
对于网（弧带权）：AdjMatrix[i][j]上是w或者无穷大，w表[......]