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
- 记录这两年是如何一步一步转型到.net core+k8s
2017年12月份,我离开北京,回到了武汉,开始在现在这家公司担任架构师工作.经过2年的时间,逐步完成以.net core+k8s为核心的技术架构.文末有彩蛋. 以下整理这两年的主要时间节点: 201 ...
- 迭代器使用过程中为什么抛出ConcurrentModificationException
出现的场景:在迭代器对集合进行遍历的同时,集合本身进行变更操作(add(), remove(), set()). 当正常调用时: import java.util.ArrayList; import ...
- redis最新版本安装及开机自启
的系统是ubuntu,安装方式有多种,一种是通过apt仓库,一种是下载源码,编译安装 1.通过apt仓库 具体命令: sudo apt-get update sudo apt-get install ...
- TensorFlow——dropout和正则化的相关方法
1.dropout dropout是一种常用的手段,用来防止过拟合的,dropout的意思是在训练过程中每次都随机选择一部分节点不要去学习,减少神经元的数量来降低模型的复杂度,同时增加模型的泛化能力. ...
- github 关掉邮件通知
- python 自定义expection
class PricePolicyInvalid(Exception): def __init__(self, msg): self.msg = msg
- IDEA中springboot的热部署
在pom.xml文件中添加依赖 <!--添加热部署--> <dependency> <groupId>org.springframework.boot</gr ...
- GoldenGate DB11gr2配置手册
GoldenGate DB11gr2配置手册 源端数据库配置 1.1源端数据库打开Archive Log: SQL>shutdown immediate; SQL>startup moun ...
- ASP.NET Cookie是怎么生成的
ASP.NET Cookie是怎么生成的 可能有人知道Cookie的生成由machineKey有关,machineKey用于决定Cookie生成的算法和密钥,并如果使用多台服务器做负载均衡时,必须指定 ...
- 【Flink】Flink作业调度流程分析
1. 概述 当向Flink集群提交用户作业时,从用户角度看,只需要作业处理逻辑正确,输出正确的结果即可:而不用关心作业何时被调度的,作业申请的资源又是如何被分配的以及作业何时会结束:但是了解作业在运行 ...