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
- 通过layer-list自定义EditText背景
假设activity的背景是白色,第一层也(就是最底层)是绿色:第二次是白色,但是距离底部有一段小偏移,目的是为了做出文本框两边的小勾:第三层也是白色,但是它距离底部和左右两边都有一定距离.通过三层配 ...
- MySql和相关驱动的安装方式
下载mySql for java驱动的地址:http://www.mysql.com/products/connector/ (可下可不下,因为安装mySql的时候就会包含了各种驱动) MySQL下载 ...
- sklearn中SVM调参说明
写在前面 之前只停留在理论上,没有实际沉下心去调参,实际去做了后,发现调参是个大工程(玄学).于是这篇来总结一下sklearn中svm的参数说明以及调参经验.方便以后查询和回忆. 常用核函数 1.li ...
- SQL Server 函数 LEN 与 DATALENGTH的区别
http://blog.csdn.net/Hello_World_wusu/article/details/4667452 DATALENGTH()函数返回一个用于对值进行管理的字节数,这有助于揭示不 ...
- BERT的开源实现的使用
参考这篇文章: 小数据福音!BERT在极小数据下带来显著提升的开源实现 https://mp.weixin.qq.com/s?__biz=MzIwMTc4ODE0Mw==&mid=224749 ...
- [leetcode]Word Break @ Python
原题地址:https://oj.leetcode.com/problems/word-break/ 题意: Given a string s and a dictionary of words dic ...
- Spring Boot Maven 打包可执行Jar文件!
Maven pom.xml 必须包含 <packaging>jar</packaging> <build> <plugins> <plugin&g ...
- 关于LINQ和SQL操作数据库的性能测试(转)
微软linq技术已经出现很久,很多公司已经开始商业使用,作为我们暂时没有用到的人来说,也应该适当的了解下相关知识,但是直到目前网络上对他的看法仍然是褒贬不一,当然任何事情都不可能完美的,下面就针对大多 ...
- 图片上传前预览、压缩、转blob、转formData等操作
直接上代码吧: <template> <div> <div class="header">添加淘宝买号</div> <div ...
- 大数据开发实战:Storm流计算开发
Storm是一个分布式.高容错.高可靠性的实时计算系统,它对于实时计算的意义相当于Hadoop对于批处理的意义.Hadoop提供了Map和Reduce原语.同样,Storm也对数据的实时处理提供了简单 ...