有向图的强连通算法 -- tarjan算法
(绘图什么真辛苦)
强连通分量:
在有向图 G 中。若两个顶点相互可达,则称两个顶点强连通(strongly
connected)。
假设有向图G的每两个顶点都强连通,称G是一个强连通图。非强连通图有向图的极大强连通子图。称为强连通分量(strongly
connected components)。
比方上面这幅图(
a, b, e ), ( d, c, h ), ( f, g ) 分别为三个 SCC。
tarjan算法伪代码:
该算法由 Robert
Tarjan 发明,原论文:Tarjan1972
时间复杂度是深搜的时间复杂度 O( N
+ E )。
BEGIN
INTERGER i;
PROCEDURE STRONGCONNECT(v);
BEGIN
LOWLINK(v):= NUMBER(v):= i := i + 1;
put v on stack of points;
FOR w in the adjacency list of v DO
BEGIN
IF w is not yet numbered THEN
BEGIN comment( v, w ) is a tree arc;
STRONGCONNECT(w);
LOWLINK(V) := min( LOWLINK(V),
LOWLINK(W));
END;
ELSE IF NUMBER(W) < NUMBER(V) DO
BEGIN comment( v, w ) is a frond or cross-link;
if w is on stack of points THEN
LOWLINK(v) := min( LOWLINK(v),
NUMBER(w));
END;
END; if( LOWLINK(v) = NUMBER(v) ) THEN
BEGIN comment v is the root of a compont;
start new strongly connected compont;
WHILE w on top of point stack satisfies
NUMBER(w) >= NUMBER(v) DO
BEGIN
delete w from point stack and put w
in current component;
END;
END;
END;
i := 0;
empty stack of points;
FOR w a vertex IF w is not yet numbered THEN STRONGCONNECT(w);
END
tarjan算法的运行动态图:
1.建图。每一个顶点有三个域。第一个是顶点名。第二个空格是发现该点的时间戳 DFN ,第三个空格是该点可以追溯到的最早的栈中节点的次序号
LOW。
2. 深搜,比方搜索路径为 a --> b --> c --> g --> f。 沿途记下自身的 DFN 和 LOW
3.达到 f 点后,f 点仅仅有一个可达顶点 g, 但 g 不是 f 的后继顶点。且 g 在栈中,则更新 f 的 LOW 变为 g 的发现时间。
4.这时候回到 g 点。可是 f 点还得再栈中,仅仅有发现时间 DFN 与 LOW 同样的顶点才干从栈中弹出(和压在上面的节点一起弹出构成SCC)
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcGFuZG9yYV9tYWRhcmE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="347" height="250" alt="">
5.这时候 g 点的 DFN == LOW
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcGFuZG9yYV9tYWRhcmE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="347" height="250" alt="">
6.于是将 f 和 g 都弹出
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcGFuZG9yYV9tYWRhcmE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="347" height="250" alt="">
7.如虚线所看到的,他们构成了一个SCC
8.以下就是一样的了,( 图画的好辛苦 )
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcGFuZG9yYV9tYWRhcmE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="210" alt="">
=========================================================================================
========================================================================================
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvcGFuZG9yYV9tYWRhcmE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="210" alt="">
=========================================================================================
==========================================================================================
==========================================================================================
python代码:
def strongly_connected_components( graph ):
dfn_count = [0]
result = []
stack = []
low = {}
dfn = {}
def stronglyconnected( node ):
dfn[node] = dfn_count[0]
low[node] = dfn_count[0]
dfn_count[0] += 1
stack.append( node )
if node not in graph:
successors = []
else:
successors = graph[node]
for successor in successors:
if successor not in dfn:
stronglyconnected( successor )
low[node] = min( low[successor], low[node] )
elif successor in stack:
low[node] = min( low[node], dfn[successor] )
if low[node] == dfn[node]:
li = []
item = None
while True:
item = stack.pop()
li.append( item )
if item == node: break
result.append( li )
for node in graph:
if node not in low:
stronglyconnected( node )
return result
if __name__ == '__main__':
graph = {
'a': [ 'b' ],
'b': [ 'c', 'e', 'f' ],
'c': [ 'g', 'd' ],
'd': [ 'c', 'h' ],
'e': [ 'a', 'f' ],
'f': [ 'g' ],
'g': [ 'f' ],
'h': [ 'g', 'd' ]
}
print strongly_connected_components( graph )
执行结果:
C++代码:
#include <iostream>
#include <vector>
#include <string.h>
using namespace std; #define MAX_SIZE 100 bool Graph[MAX_SIZE][MAX_SIZE]; int Stack[MAX_SIZE];
bool nodeIsInStack[MAX_SIZE];
int stack_pointer = 0; int Lows[MAX_SIZE];
int Dfns[MAX_SIZE]; int node_num = 0; // 图中节点得到个数
int find_time = 0; // 每一个节点的发现时间 int scc_num = 0; // 记录 scc 的个数 void find_scc( int start_node ){ find_time++;
Lows[start_node] = Dfns[start_node] = find_time; stack_pointer++;
Stack[stack_pointer] = start_node;
nodeIsInStack[start_node] = true; for( int end_node = 1; end_node <= node_num; ++end_node ){
//若start_node和end_ndoe之间存在边
if( Graph[start_node][end_node] ){
//若是end_node尚未被訪问
if( Dfns[end_node] == 0 ){
find_scc( end_node );
Lows[start_node] = min( Lows[start_node], Lows[end_node] );
}
//若end_node在栈中。也就是start_node -> end_node是返祖边
else if( nodeIsInStack[end_node] ){
Lows[start_node] = min( Lows[start_node], Dfns[end_node] );
}
}
} //若是start_node的时间戳与Lows相等在构成SCC
if( Dfns[start_node] == Lows[start_node] ){ scc_num++;
cout << "scc_num: " << scc_num << endl; int pop_node_index = Stack[stack_pointer];
stack_pointer--;
nodeIsInStack[pop_node_index] = false; cout << pop_node_index << " "; while( start_node != pop_node_index ){ pop_node_index = Stack[stack_pointer];
nodeIsInStack[pop_node_index] = false;
stack_pointer--;
cout << pop_node_index << " ";
}
cout << endl;
}
} void init_values(){
memset( Graph, false, sizeof( Graph ) );
memset( Stack, 0, sizeof( Stack ) );
memset( nodeIsInStack, false, sizeof( nodeIsInStack ) );
memset( Lows, 0, sizeof( Lows ) );
memset( Dfns, 0, sizeof( Dfns ) );
} int main(){
init_values();
// 初始化图
//这里用数字取代节点的名字
int start_node, end_node;
cin >> node_num; while( true ){
cin >> start_node >> end_node;
//起始点终止点都为 0 的时候结束
if( start_node == 0 && end_node == 0 )
break;
Graph[start_node][end_node] = true;
} for( int start_node = 1; start_node <= node_num; ++start_node ){
//该节点尚未被訪问到
if( Dfns[start_node] == 0 ){
find_scc( start_node );
}
} }
有向图的强连通算法 -- tarjan算法的更多相关文章
- 【有向图】强连通分量-Tarjan算法
好久没写博客了(都怪作业太多,绝对不是我玩的太嗨了) 所以今天要写的是一个高大上的东西:强连通 首先,是一些强连通相关的定义 //来自度娘 1.强连通图(Strongly Connected Grap ...
- [有向图的强连通分量][Tarjan算法]
https://www.byvoid.com/blog/scc-tarjan 主要思想 Tarjan算法是基于对图深度优先搜索的算法,每个强连通分量为搜索树中的一棵子树.搜索时,把当前搜索树中未处理的 ...
- 有向图强连通分量 Tarjan算法
[有向图强连通分量] 在有向图G中,如果两个顶点间至少存在一条路径,称两个顶点强连通(strongly connected).如果有向图G的每两个顶点都强连通,称G是一个强连通图.非强连通图有向图的极 ...
- 图之强连通、强连通图、强连通分量 Tarjan算法
原文地址:https://blog.csdn.net/qq_16234613/article/details/77431043 一.解释 在有向图G中,如果两个顶点间至少存在一条互相可达路径,称两个顶 ...
- 有向图强连通分量Tarjan算法
在https://www.byvoid.com/zhs/blog/scc-tarjan中关于Tarjan算法的描述非常好,转述如下: 首先解释几个概念: 有向图强连通分量:在有向图G中,如果两个顶点间 ...
- 图论-强连通分量-Tarjan算法
有关概念: 如果图中两个结点可以相互通达,则称两个结点强连通. 如果有向图G的每两个结点都强连通,称G是一个强连通图. 有向图的极大强连通子图(没有被其他强连通子图包含),称为强连通分量.(这个定义在 ...
- POJ1236_A - Network of Schools _强连通分量::Tarjan算法
Time Limit: 1000MS Memory Limit: 10000K Description A number of schools are connected to a compute ...
- 萌新学习图的强连通(Tarjan算法)笔记
--主要摘自北京大学暑期课<ACM/ICPC竞赛训练> 在有向图G中,如果任意两个不同顶点相互可达,则称该有向图是强连通的: 有向图G的极大强连通子图称为G的强连通分支: Tarjan算法 ...
- 强连通分量——tarjan算法
概念: 有向图强连通分量:在有向图G中,如果两个顶点vi,vj间(vi>vj)有一条从vi到vj的有向路径,同时还有一条从vj到vi的有向路径,则称两个顶点强连通.如果有向图G的每两个顶点都强连 ...
随机推荐
- Kubernetes基础:查看状态、管理服务
目标 了解Kubernetes Pod 了解Kubernetes Node 学习如何调试部署问题 了解如何通过Service暴露应用 Kubernetes Pods 在Kubernetes中创建一个D ...
- cannot import name 'main' 解决方案
error description: pip3 install numpy Traceback (most recent call last): File "/usr/bin/pip3&qu ...
- 如何打开google,facebok等网站
用记事本打开 C:\WINDOWS\System32\drivers\etc\hosts 文件,粘贴如下蓝色内容到文件里,然后输入 例如 https://www.google.com https: ...
- Grizzly HTTP CoDec ThreadCache 浅析
Grizzly 的 HTTP CoDec 实现方法更 Netty 的 CoDec 完全不同, 他们思想上的差异主要在于: 1. 解码方式 Grizzly 使用流式解码, 它的HttpHeader对象内 ...
- 基于JAVA原生HTTP请求工具类 httphelper
原文地址;http://lushuifa.iteye.com/blog/2313896 import java.io.BufferedReader; import java.io.BufferedWr ...
- 存储过程参数CHAR传过来null导致超时.
调用的时候不要传NULL,可以传 '' ALTER PROCEDURE [dbo].[up_UC_GetUCExecuteEPList] @Code VARCHAR(3) ,--ch ...
- N体运动的程序模拟
这依然是与<三体>有关的一篇文章.空间中三个星体在万有引力作用下的运动被称之为三体问题,参见我的上一篇文章:三体运动的程序模拟.而这一节,对三体问题进行了扩展,实现了空间中N个星体在万有引 ...
- 嵌入式系统WinCE下应用程序GUI界面开发【转】
嵌入式系统WinCE下应用程序GUI界面开发 ByToradex 秦海 本文旨在介绍嵌入式系统在Wince下进行GUI应用程序开发可以选择的不同GUI开发框架(Framework),目前最常用的几种方 ...
- [转载]设置Chrome忽略网站证书错误
某些用户可能经常会遇到Chrome浏览器提示网站证书错误的情况,尤其是在Google升级证书检查力度之后,访问Google时已经不能在浏览器界面中忽略证书错误访问. 比如说公司的IT修改过证书就会遇到 ...
- SendMessage消息大全及说明
WM_CREATE = &H0001 应用程序创建一个窗口 WM_DESTROY = &H0002 一个窗口被销毁 WM_MOVE ...