Ett hett område, med vissa relationer till sökmotoroptimering, är Googles Page Rank algoritm.
Denna algoritm har kopplingar till matematikkursen linjär algebra som jag förnuvarande läser på chalmers. Idag pratade vår matteföreläsare om algoritmen i samband med att redogöra för vad en Markov-kedja är förnåt, ett begrepp eller en synvinkel som berör de fundamentala delarna av Page Rank systemet.
Page Rank är Google-grundarna Larry Pages och Sergey Brinks system för att rangordna webplatser.
Det handlar om att beräkna en matris som består av alla hemsidor som finns och sannorlikheter för att man skulle navigera till just de sidorna, antingen via länkar på en hemsida man besöker för tillfället eller genom en helt ny inmatning i adressfältet.
Man kan göra en fördelning (genom observation) hur personer beter sig på internet och till exempel dra slutsatser om hur de navigerar.
Ponera att genomsnittsmänniskan i 80 % av fallen navigerar mha länkarna på hemsidan man befinner sig på (till en annan hemsida), 10 % av fallen stannar han kvar på samma hemsida och i resterande 10 % av fallen börjar personen i fråga en helt ny sökning.
Man kan då ställa upp en matris som berättar om hur stor sannorlikheten är att en person stannar kvar, som ett exempel visar jag hur stor sannorlikheten är att navigera från sida 1 till de andra sidorna (finns 6 st på ”min version av Internet”).
Med enorm datorkraft kan man sedan beräkna den stokastiska matrisen som uppstår, inget jag tänker göra här helt enkelt.
Att tänka på är att detta är den grundläggande matematiska modellen, självklart använder google andra parametrar också!
Samt att det finns mer än 6 sidor på Internet 
on topic: kolla in Alexa ranking!
Bra post, du skulle kunna vara mer noga och detaljerad samt tänka på svenskan.
I algoritmer och datastrukturer lär man sig en del om grafteori som kan användas för att navigera igenom en graf (som din första bild).
Deijkstras algoritm är ett exempel