在数据结构的世界里，图是一种独特的数据模型，其基本操作如CreateGraph和DestroyGraph，为我们的数据处理提供了强大的工具。下面，我们详细探讨图的ADT定义以及两种核心的存储结构——邻接矩阵和邻接表。
ADT 图数据结构:
数据对象: 顶点集V，由顶点组成的集合；弧集VR，包含弧(<v, w>)以及弧的意义P(v, w)。
操作: 从创建到销毁，再到查找、添加和删除顶点，如LocateVex、GetVex、PutVex等。
存储结构的多样性体现在邻接矩阵和邻接表上:
邻接矩阵
矩阵形式：存储顶点间的边关系，无向图是对称的，有向图则可能不对称，带权图则记录边的权重，用∞表示无边。
优点：查询顶点间边的存在和计算度数快速，如在无向图中，第i行（列）的1表示顶点i的邻接顶点。
缺点：对于稀疏图，存储空间占用过大，增删顶点和统计边数效率较低。无向图和有向图的存储空间分别为n^2和n(n-1)/2。
邻接表
链式结构：更节省空间，对稀疏图来说，无向图和有向图的空间效率分别是O(n+2e)和O(n+e)。邻接表查找顶点邻接点方便，但判断边关系需遍历。
适用场景：邻接矩阵适合稠密图，邻接表则适合稀疏图。有向图的十字链表结合了邻接表和逆邻接表，便于计算顶点的入度和出度。
邻接多重表（AMD）：增强对多条边处理能力，适用于无向图，通过顶点表和边表实现。
邻接多重表的示例：每个顶点表节点包含data和firstedge，边表节点则记录依附顶点的标记、顶点索引和边的相关信息。删除操作时，需同时在关联顶点的链表中操作，操作逻辑相对邻接表稍显复杂。理解这些基本概念，将极大地助益于你对图结构的理解和应用。希望这段深入解析能为你的学习之路增添清晰的轮廓，祝你在探索数据结构的旅程中步步高升！