---恢复内容开始---

tarjan算法介绍:

  一种由Robert Tarjan提出的求解有向图强连通分量的线性时间的算法。通过变形,其亦可以求解无向图问题

  桥:

  割点:

  连通分量:

  

适用问题:

  求解(有向图/无向图)的,桥,割点,环,回路等问题

整体思想:

  如果我们欲要求解,桥的个数,割点的个数,环的数目,归根结底,是分析清楚一个图 有几个 环,每个环包含哪些节点,那些边。

  而 tarjan算法就是做的这件事情,通过dfs遍历每一条边和节点,算出有几个环,每个环中有哪些节点。那么是如何做的呢,整体上我们可以这么理解。

  首先定义两个 数组 dfn[i]  low[i]  分别代表 每个节点的代号  和 每个环的代号,还有一个分析的次序 cnt变量。然后我们用dfs 深度遍历每一个顶点,每遍历一个节点 cnt++,low[i]=dfn[i]=cnt 就是说,每个节

  点的代号代表它是第几个被我们分析的,同时low[i]=cnt 是说刚开始我们无法判断哪些节点能组成环,所以就初始化为每个节点自己是一个环,这个环的代号就是自己的代号。而当我们分析到一定程度后

  发现,某些节点能组成一个环,再回溯,将这几个节点所属环代号改为一个统一的环代号。到最后,如果一个节点的环代号和自己的代号相等,说明他是一个割点,而如果不相等,则这个节点属于一个

  环,并且通过环代号知道他是那个环。

思想详细分解:

  

  这里我们需要对一些变量重新定义其在代码中的含义,之前所说只是理解上的含义。

  dfn[i]:节点 i dfs的次序

  low[i]: 节点 i 所在环中 所有节点中最小的 dfn[i]。

  vis[i]:这个节点是否被遍历过,遍历过为1,否则为0

  cnt:遍历次数

  a[60]:用来存储图的 vector。

  -------------------------------------------------------------------------------------------------详细的分步分析------------------------------------------------------------------------------------------------------------------------------------------------------

  假如我们从  节点1  开始遍历, low[1]=dfn[1]=cnt=1; 然后遍历他的下一个节点,如果下一个节点曾经遍历过,说明这里能形成一个环,如果没便利过,就接着往下遍历。下一个是 节点2

  low[2]=dfn[2]=cnt=2; 再下一个是 节点3  low[3]=dfn[3]=cnt=3 , 然后  low[4]=dfn[4]=cnt =4,直到 4 的下一个节点可以到 节点2 曾经便利过 ,因此节点2到节点4之间会有一个环,接着我们向后回溯

  使 low[4]=min(low[4],low[2])=2   low[3]=min(low[3],low[4])=2   low[2]=min(low[2],low[3])=2  low[1]=min(low[1],low[2])=1, 我们就会发现 节点2 ,节点3 ,节点4,的low与dfn就不一样了,且low都等于2,说明

  他们三个组成了一个环,然后接着向下遍历 节点5 ,没有被遍历过,所以low[5]=dfn[5]=cnt=5;

  至此 整体上 low[2]=low[3]=low[4]=2     low[1]=dfn[1]=1     low[5]=dfn[5]=5; 所以,这个图中有那几个群 ,群里有哪些节点,有哪些是割点,桥等 都一目了然了。

  下面是详细的代码

  求一个无向图的所有桥的个数,先输入两个数 n个节点,m条边。再输入 m对 数代表边的两个节点。

代码示例:

  

#include <bits/stdc++.h>

using namespace std;
vector<int> a[];
int dfn[];
int low[];int vis[];
int cnt=;
int dig=;
//这里是tarjan代码模板核心
void tarjan(int w,int u){
vis[u]=;
low[u]=dfn[u]=(cnt++);
for(int i=;i<a[u].size();i++){
int v = a[u][i];
if(v==w) continue;//因为是无向图,防止向后返回去遍历
if(vis[v]!=) tarjan(u,v);//没有便利过,就接着向下遍历,直到找到后,再执行下面的代码,也就是回溯。
if(vis[v]==) low[u]=min(low[u],low[v]);
}
if(low[u]==dfn[u]){
dig++;
}
}
void init(){
  //初始化函数
memset(dfn,,sizeof dfn);
memset(low,,sizeof low);
memset(vis,,sizeof vis);
memset(sp,,sizeof sp);
}
int main()
{
int n,m;
cin>>n>>m;
init();
for(int i=;i<m;i++){
int k1,k2;
cin>>k1>>k2;
a[k1].push_back(k2);
a[k2].push_back(k1);
}
tarjan(,);
cout<<dig-<<endl;
return ;
}

---恢复内容结束---

ACM(图论)——tarjan算法详解的更多相关文章

  1. Tarjan算法详解

    Tarjan算法详解 今天偶然发现了这个算法,看了好久,终于明白了一些表层的知识....在这里和大家分享一下... Tarjan算法是一个求解极大强联通子图的算法,相信这些东西大家都在网络上百度过了, ...

  2. Tarjan 算法详解

    一个神奇的算法,求最大连通分量用O(n)的时间复杂度,真实令人不可思议. 废话少说,先上题目 题目描述: 给出一个有向图G,求G连通分量的个数和最大连通分量. 输入: n,m,表示G有n个点,m条边 ...

  3. Tarjan算法详解理解集合

    [功能] Tarjan算法的用途之一是,求一个有向图G=(V,E)里极大强连通分量.强连通分量是指有向图G里顶点间能互相到达的子图.而如果一个强连通分量已经没有被其它强通分量完全包含的话,那么这个强连 ...

  4. Tarjan算法 详解+心得

    Tarjan算法是由Robert Tarjan(罗伯特·塔扬,不知有几位大神读对过这个名字) 发明的求有向图中强连通分量的算法. 预备知识:有向图,强连通. 有向图:由有向边的构成的图.需要注意的是这 ...

  5. KM算法详解[转]

    KM算法详解 原帖链接:http://www.cnblogs.com/zpfbuaa/p/7218607.html#_label0 阅读目录 二分图博客推荐 匈牙利算法步骤 匈牙利算法博客推荐 KM算 ...

  6. BM算法  Boyer-Moore高质量实现代码详解与算法详解

    Boyer-Moore高质量实现代码详解与算法详解 鉴于我见到对算法本身分析非常透彻的文章以及实现的非常精巧的文章,所以就转载了,本文的贡献在于将两者结合起来,方便大家了解代码实现! 算法详解转自:h ...

  7. kmp算法详解

    转自:http://blog.csdn.net/ddupd/article/details/19899263 KMP算法详解 KMP算法简介: KMP算法是一种高效的字符串匹配算法,关于字符串匹配最简 ...

  8. 机器学习经典算法详解及Python实现--基于SMO的SVM分类器

    原文:http://blog.csdn.net/suipingsp/article/details/41645779 支持向量机基本上是最好的有监督学习算法,因其英文名为support vector  ...

  9. [转] KMP算法详解

    转载自:http://www.matrix67.com/blog/archives/115 KMP算法详解 如果机房马上要关门了,或者你急着要和MM约会,请直接跳到第六个自然段.    我们这里说的K ...

随机推荐

  1. python ----django---打包重用

    https://www.cnblogs.com/wcwnina/p/9122469.html https://blog.csdn.net/qq_30501975/article/details/804 ...

  2. html页面嵌套两个iframe页面导致第二个iframe页面高度失效的问题

    1:这是因为最里面嵌套的iframe页面html和body高度无法设置问题,我的解决办法是js去控制iframe高度 2:js获取最子页面(content内容区域)的高度 var ifremHeigh ...

  3. SpringCloud系列十:SpringCloudConfig 高级配置(密钥加密处理(JCE)、KeyStore 加密处理、SpringCloudConfig 高可用机制、SpringCloudBus 服务总线)

    1.概念:SpringCloudConfig 高级配置 2.具体内容 在 SpringCloudConfig 之中考虑到所有配置文件都暴露在远程仓库之中的安全性问题,所以提供有安全访问的处理机制,这样 ...

  4. gitlab api 使用

    api文档:https://docs.gitlab.com/ee/api/projects.html#project-visibility-level 1.项目查询 http://127.0.0.1: ...

  5. Pytorch_01 Tensor,Autograd,构建网络

    Tensor Tensor是PyTorch中的重要数据结构,可认为是一个高维数组,Tensor与numpy的ndarrays类似,但Tensor可以使用GPU加速 import torch as t# ...

  6. Zabbix客户端日志出现(Not all processes could be identified, 解决

    场景:因为使用了netstat -p参数. 权限问题,zabbix_agentd是zabbix用户启动的,默认不能执行netstat -p等命令,导致从服务器取到的自动发现脚本为空 (Not all ...

  7. ssl简介与openssl的使用

    SSL证书:  是数字证书的一种,类似于驾驶证.护照和营业执照的电子副本.因为配置在服务器上,也称为SSL服务器证书. ssl也是传输协议. 基于ssl协议开发的一款软件叫openssl linux系 ...

  8. tensorflow,model,object_detection,训练loss先下降后递增,到几百万,解决tensorflow,model,object,detection,loss,incease

    现象:训练loss一开始下降一部分,跌代到若干次(具体多少和你的learning rate大小有关,大就迭代小就发生,小就需要多几次迭代) 日志如下(下面的日志来源于网络,我自己的日志已经clear掉 ...

  9. 云笔记项目-MyBatis返回自增类型&堆栈对象补充理解

    在云笔记项目中,讲到了MySql的自增,MyBatis查询到自增类型数据后可以设置返回到参数属性,其中学习了MySql的自增写法,堆栈对象等知识. MySql数据类型自增 建立一张Person表,其中 ...

  10. Apache Flink 分布式运行时环境

    Tasks and Operator Chains(任务及操作链) 在分布式环境下,Flink将操作的子任务链在一起组成一个任务,每一个任务在一个线程中执行.将操作链在一起是一个不错的优化:它减少了线 ...