有向图的强连通算法 -- tarjan算法

2024-06-14 15:48
文章标签 算法 有向图 连通 tarjan

本文主要是介绍有向图的强连通算法 -- tarjan算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!


(画图什么真辛苦)

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)。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大强连通子图,称为强连通分量(strongly connected components)。比如上面这幅图( 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 )。

BEGININTERGER i;PROCEDURE STRONGCONNECT(v);BEGINLOWLINK(v):= NUMBER(v):= i := i + 1;put v on stack of points;FOR w in the adjacency list of v DOBEGINIF w is not yet numbered THENBEGIN comment( v, w ) is a tree arc;STRONGCONNECT(w);LOWLINK(V) := min( LOWLINK(V),LOWLINK(W));END;ELSE IF NUMBER(W) < NUMBER(V) DOBEGIN comment( v, w ) is a frond or cross-link;if w is on stack of points THENLOWLINK(v) := min( LOWLINK(v),NUMBER(w));END;END;if( LOWLINK(v) = NUMBER(v) ) THENBEGIN comment v is the root of a compont;start new strongly connected compont;WHILE w on top of point stack satisfiesNUMBER(w) >= NUMBER(v) DOBEGINdelete w from point stack and put win 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算法的执行动态图:

1.建图,每个顶点有三个域,第一个是顶点名,第二个空格是发现该点的时间戳 DFN ,第三个空格是该点能够追溯到的最早的栈中节点的次序号 LOW。



2. 深搜,比如搜索路径为 a --> b --> c --> g --> f, 沿途记下自身的 DFN 和 LOW



3.达到 f 点后,f 点只有一个可达顶点 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,但是 f 点还得再栈中,只有发现时间 DFN 与 LOW 相同的顶点才能从栈中弹出(和压在上面的节点一起弹出构成SCC)




5.这时候 g 点的 DFN == LOW



6.于是将 f 和 g 都弹出



7.如虚线所示,他们构成了一个SCC



8.下面就是一样的了,( 图画的好辛苦 )


     

=========================================================================================


    

========================================================================================

    

=========================================================================================

    

==========================================================================================

    

==========================================================================================



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] += 1stack.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 = Nonewhile True:item = stack.pop()li.append( item )if item == node: breakresult.append( li )for node in graph:if node not in low:stronglyconnected( node )return resultif __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 )

运行结果:




C++代码:

#include <iostream>
#include <vector>
#include <string.h>
using namespace std;#define MAX_SIZE 100bool 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尚未被访问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SCCif( 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//这里用数字代替节点的名字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 ){//该节点尚未被访问到if( Dfns[start_node] == 0 ){find_scc( start_node );}}}


这篇关于有向图的强连通算法 -- tarjan算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1060838

相关文章

代码随想录算法训练营:12/60

非科班学习算法day12 | LeetCode150:逆波兰表达式 ,Leetcode239: 滑动窗口最大值  目录 介绍 一、基础概念补充: 1.c++字符串转为数字 1. std::stoi, std::stol, std::stoll, std::stoul, std::stoull(最常用) 2. std::stringstream 3. std::atoi, std

人工智能机器学习算法总结神经网络算法(前向及反向传播)

1.定义,意义和优缺点 定义: 神经网络算法是一种模仿人类大脑神经元之间连接方式的机器学习算法。通过多层神经元的组合和激活函数的非线性转换,神经网络能够学习数据的特征和模式,实现对复杂数据的建模和预测。(我们可以借助人类的神经元模型来更好的帮助我们理解该算法的本质,不过这里需要说明的是,虽然名字是神经网络,并且结构等等也是借鉴了神经网络,但其原型以及算法本质上还和生物层面的神经网络运行原理存在

大林 PID 算法

Dahlin PID算法是一种用于控制和调节系统的比例积分延迟算法。以下是一个简单的C语言实现示例: #include <stdio.h>// DALIN PID 结构体定义typedef struct {float SetPoint; // 设定点float Proportion; // 比例float Integral; // 积分float Derivative; // 微分flo

LeetCode 算法:二叉树的中序遍历 c++

原题链接🔗:二叉树的中序遍历 难度:简单⭐️ 题目 给定一个二叉树的根节点 root ,返回 它的 中序 遍历 。 示例 1: 输入:root = [1,null,2,3] 输出:[1,3,2] 示例 2: 输入:root = [] 输出:[] 示例 3: 输入:root = [1] 输出:[1] 提示: 树中节点数目在范围 [0, 100] 内 -100 <= Node.

【Java算法】滑动窗口 下

​ ​    🔥个人主页: 中草药 🔥专栏:【算法工作坊】算法实战揭秘 🦌一.水果成篮 题目链接:904.水果成篮 ​ 算法原理 算法原理是使用“滑动窗口”(Sliding Window)策略,结合哈希表(Map)来高效地统计窗口内不同水果的种类数量。以下是详细分析: 初始化:创建一个空的哈希表 map 用来存储每种水果的数量,初始化左右指针 left

ROS2从入门到精通4-4:局部控制插件开发案例(以PID算法为例)

目录 0 专栏介绍1 控制插件编写模板1.1 构造控制插件类1.2 注册并导出插件1.3 编译与使用插件 2 基于PID的路径跟踪原理3 控制插件开发案例(PID算法)常见问题 0 专栏介绍 本专栏旨在通过对ROS2的系统学习,掌握ROS2底层基本分布式原理,并具有机器人建模和应用ROS2进行实际项目的开发和调试的工程能力。 🚀详情:《ROS2从入门到精通》 1 控制插

算法与数据结构面试宝典——回溯算法详解(C#,C++)

文章目录 1. 回溯算法的定义及应用场景2. 回溯算法的基本思想3. 递推关系式与回溯算法的建立4. 状态转移方法5. 边界条件与结束条件6. 算法的具体实现过程7. 回溯算法在C#,C++中的实际应用案例C#示例C++示例 8. 总结回溯算法的主要特点与应用价值 回溯算法是一种通过尝试各种可能的组合来找到所有解的算法。这种算法通常用于解决组合问题,如排列、组合、棋盘游

【图像识别系统】昆虫识别Python+卷积神经网络算法+人工智能+深度学习+机器学习+TensorFlow+ResNet50

一、介绍 昆虫识别系统,使用Python作为主要开发语言。通过TensorFlow搭建ResNet50卷积神经网络算法(CNN)模型。通过对10种常见的昆虫图片数据集(‘蜜蜂’, ‘甲虫’, ‘蝴蝶’, ‘蝉’, ‘蜻蜓’, ‘蚱蜢’, ‘蛾’, ‘蝎子’, ‘蜗牛’, ‘蜘蛛’)进行训练,得到一个识别精度较高的H5格式模型文件,然后使用Django搭建Web网页端可视化操作界面,实现用户上传一

【数据结构与算法 经典例题】使用队列实现栈(图文详解)

💓 博客主页:倔强的石头的CSDN主页               📝Gitee主页:倔强的石头的gitee主页    ⏩ 文章专栏:《数据结构与算法 经典例题》C语言                                   期待您的关注 ​​ 目录  一、问题描述 二、前置知识 三、解题思路 四、C语言实现代码 🍃队列实现代码:

算法11—判断一个树是不是二叉查询树

问题: 给定一个二叉树,判断它是否是二叉查询树。 思路: 要判断是否是二叉查询树,标准就是看每一个节点是否满足:1、左节点及以下节点的值比它小;2、右节点及以下节点的值比它大。当然,前提是子节点都存在的情况。所以,我们需要从根节点不断向下递归,只要所有节点都满足,那么就是BST,否则,就不是。 代码: [java]  view plain copy pri