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通,称G是一个强连通图。有向图的极大强连通子图,称为强连通分量。
注:强联通分量仅仅是对有向图来说。
代码模板:
void tarjan(int x)
{
cnt++;
dfn[x] = low[x] =cnt;
q.push(x);
insta[x] =true;
for(int i=head[x];i;i=edge[i].next )
{
int u =edge[i].to;
if(!dfn[u])
{
tarjan(u);
low[x] = min(low[x],low[u]);
}else if(insta[u])
{
low[x] = min(low[x],dfn[u]);
}
}
int k;
if(low[x] == dfn[x])
{
num++;
do{
k =q.top();
q.pop();
insta[k] = false;
id[k] = num;
}while(k!=x);
}
}
算法理解:
tarjan算法是一种基于DFS的算法,并且运用了数据结构栈。
此算法需要两个关键的数组:low[ ] 和 dfn[ ].
在我的理解看来:dfn[ ]数组是用来储存时间戳的,及何时访问到此节点。因此在每次对一个点进行DFS后,自己就形成了一个独一无二的时间戳,且永远不会改变。所以常一句dfn的值来判断是否需要进一步的深搜。
low[ ]数组用来储存与此节点相联通的节点的最小下标。因此low[ ]值相等的点在同一个强联通分量。
首先这个图不一定是一个连通图,所以跑Tarjan时要枚举每个点,若dfn[ ] == 0,进行深搜。进入深搜后,判断此点邻接点,如果邻接点的dfn[ ]为0,证明还没有访问过,就对此邻接点进行深搜,若dfn[ ]不为零,则判断此邻接点是否在栈中,若已经在栈中,则此时证明已经构成了环,则更新low[ ],与邻接点的时间戳进行比较,取最小值,例如下面这种情况:

当对点5进行邻边搜索的时候,仅仅发现了点1,并且点1此时在栈中,这样,就构成了一个环。
在不断的深搜的过程中如果没有路可走了(已经没有出边了),那么就进行回溯,回溯时不断比较low[ ], 取最小的low[ ]值。
如果dfn[x]==low[x],则此时x可以看作是强联通分量的根,就对栈进行弹出操作,直到x被弹出。
手动模拟一下过程:

从1进入:dfn[1] =low[1] =++cnt = 1
入栈1: 1
从1进入2:dfn[2] = low[2] = ++cnt =2
入栈2: 12
从2进入3: dfn[3]=low[3] =++cnt =3;
入栈3: 123
从3进入4: dfn[4] = low[4] = ++cnt =4;
入栈4:1234;
4无出度,之后判断dfn[4] == low[4];
4及4之前的点全部弹出
并且id[4] = ++num=1;
栈:123
并回溯到3
对low[3] = min(low[4],low[3])=3;
之后判断low[3] == dfn[3] =3;3及3以后的点弹出
id[3] = ++num=2;
栈:12;
继续回溯到2,对low[2] = min(low[2],low[3])=2;
从2 进入到5,dfn[5]=low[5] = ++cnt =5;
入栈5:125
从5进入1,由于1已经在栈中,则更新low[5] =min(low[5],dfn[1]) =1;
回溯到2,更新low[2 ] =min(low[2],low[5]) =1;
回溯到1,更新low[1] =min(low[1],low[2])=low[1] =1;
从1进入6,dfn[6] =low[6] = 6;
入栈6:1256
由于临点5已经在栈中,更新low[6] = min(low[6],low[5]) = 1;
回溯到1,由于low[1] ==dfn[1],则弹出1及一以上的点:
id[1] = id[2] =id[5] = id[6] = ++num = 3;
至此,强联通分量全部找出;
以上;
强连通分量——tarjan算法的更多相关文章
- 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 ...
- 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 ...
- [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 ...
- 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 ...
- 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 ...
- 求图的强连通分量--tarjan算法
一:tarjan算法详解 ◦思想: ◦ ◦做一遍DFS,用dfn[i]表示编号为i的节点在DFS过程中的访问序号(也可以叫做开始时间)用low[i]表示i节点DFS过程中i的下方节点所能到达的开始时间 ...
- 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 ...
- poj 2186 Popular Cows 【强连通分量Tarjan算法 + 树问题】
题目地址:http://poj.org/problem?id=2186 Popular Cows Time Limit: 2000MS Memory Limit: 65536K Total Sub ...
- 强连通分量--tarjan算法
今天学了一个强连通分量,用tarjan做.北京之前讲过,今天讲完和之前一样,没有什么进步.上课没听讲,只好回来搞,这里安利一个博客:链接 https://blog.csdn.net/qq_343746 ...
随机推荐
- PHP实现取得HTTP请求的原文【转】
本文实例讲述了PHP实现取得HTTP请求的原文的方法,具体步骤如下: 1. 取得请求行:Method.URI.协议 可以从超级变量$_SERVER中获得,三个变量的值如下: $_SERVER['REQ ...
- 揭发233的docker/machine
继手动滑稽之golang-vmware-driver广告篇,今天把vmware-driver完成 然而我却要发一篇牢骚,这是对docker公信力的挑战!!! 本来很简单的升级到vmware 15.x的 ...
- 关于Log4Net的使用及配置方式
目录 0.简介 1.安装程序包 2.配置文件示例 3.日记的级别:Level 4.日志的输出源:Appenders 5.日志格式:Layout 6.日志文件变换方式(回滚方式):RollingStyl ...
- .NET绘制旋转太极图
.NET绘制旋转太极图 我之前发了一篇<用.NET写"算命"程序>的文章,但有人纷纷提出了质疑,认为没有"科学"(mi xin)依据
- Nginx代理服务——常用的配置语法
可以到官方查看所有代理的配置语法http://nginx.org/en/docs/http/ngx_http_proxy_module.html 缓存区 Syntax:proxy_buffering ...
- 全网最详细!Centos7.X 搭建Grafana+Jmeter+Influxdb 性能实时监控平台
背景 日常工作中,经常会用到Jmeter去压测,毕竟LR还要钱(@¥&*...),而最常用的接口压力测试,我们都是通过聚合报告去查看压测结果的,然鹅聚合报告的真的是丑到家了,作为程序猿这当然不 ...
- ORM跨表查询总结
一.基于对象的查询-->子查询 1.一对多 正向查询:基于 字段 反向查询:基于 表名__set.all() 注意:表名全部小写 2.多对多 正向查询:基于 字段.all() 反向查询:基于 表 ...
- RainbowPlan团队项目-总结
博客介绍 这个作业属于哪个课程 https://edu.cnblogs.com/campus/xnsy/GeographicInformationScience/ 这个作业要求在哪里 https:// ...
- redis端口6379的由来
有一个技巧,Redis端口号6379,是手机键盘上的MERZ.
- equals()和hashCode()使用总结
equals()和hashCode()使用总结 equals() Object类中的equals方法和"=="是一样的,没有区别,即俩个对象的比较是比较他们的栈内存中存储的内存地址 ...