(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

  1. 【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 ...

  2. [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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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

  1. .Net AppDomain详解(一)

    AppDomain是CLR的运行单元,它可以加载Assembly.创建对象以及执行程序.AppDomain是CLR实现代码隔离的基本机制. 每一个AppDomain可以单独运行.停止:每个AppDom ...

  2. vmware桥接模式

    vmware桥接模式 桥接网络是指本地物理网卡和虚拟网卡通过VMnet0虚拟交换机进行桥接,物理网卡和虚拟网卡在拓扑图上处于同等地位,那么物理网卡和虚拟网卡就相当于处于同一个网段,虚拟交换机就相当于一 ...

  3. 从头认识Spring-2.1 自己主动装配(2)-byType(2)

    为了解决配置文件中面出现多个同类型的Bean而byType无法匹配的问题.引入了primary和autowire-candidate属性. 1.primary 因为全部bean默认的primary都是 ...

  4. java.io包的总体框架图(转)

    原文链接:java.io包的总体框架图, 便于记忆!

  5. go语言之进阶篇关闭channel

    1.关闭channel package main import ( "fmt" ) func main() { ch := make(chan int) //创建一个无缓存chan ...

  6. [leetcode]Restore IP Addresses @ Python

    原题地址:https://oj.leetcode.com/problems/restore-ip-addresses/ 题意: Given a string containing only digit ...

  7. JQuery Ajax 在asp.net中使用总结

    自从有了JQuery,Ajax的使用变的越来越方便了,但是使用中还是会或多或少的出现一些让人短时间内痛苦的问题.本文暂时总结一些在使用JQuery Ajax中应该注意的问题,如有不恰当或者不完善的地方 ...

  8. AI-终极算法-遗传算法

  9. word2013怎样批量重设图片和大小?(转)

    https://www.zhihu.com/question/52908434/answer/132934213 点击视图,宏,查看宏,任意输入一个宏名,创建,清空框内内容,复制以下代码粘贴,保存. ...

  10. 3d打印机的软件系统组成部分

    主要由计算机.应用软件.底层控制软件和接口驱动单元组成1)计算机一般采用上位机和下位机两级控制.其中上位主控机一般采用配置高.运行速度快的PC机:下位机采用嵌入式系统DSP,驱动执行机构.上位机和下位 ...