算法自学__tarjan算法

算法简介

tarjan算法可以求有向图的强连通分量, 从而实现"缩点", 达到简化有向图的目的.

算法思想

tarjan算法基于深度优先搜索实现, 根据以下两个数组判断强连通分量:

1. dfn[]: 时间戳数组, dfn[i]表示结点i在深度优先搜索过程中, 是第几个被搜索到的结点.
2. low[]: low[i]表示结点i能够到达的结点中(包括自己), dfn[]的最小值.
3. color[]: 用于标记强连通分支, 同一强连通分支内的结点的颜色相同.

在深度优先搜索过程中, 每搜索到一个新的节点, 就要将该结点入栈.

完成对某一结点i的搜索后, 会有如下两种情况:

1. dfn[i] != low[i]: 说明结点i不是某一个强连通分支的根结点. 不需要进行任何处理.
2. dfn[i] == low[i]: 说明结点i是某一个强连通分支的根结点. 此时, 需要将栈中结点i及其上面的结点全部出栈, 标记为相同的颜色.

深度优先搜索完成后, 每个结点都被染上了颜色, 相同颜色的结点处在同一个强连通分支内.

时间复杂度: O(E+V)

例题 P3387 【模板】缩点

代码实现

#include<iostream>
#include<stack>
#include<vector>
#include<cstring>
#include<algorithm>
using namespace std;

int n,m;
vector<int>graph[10005];
vector<int>color_graph[10005];
int point[10005];
int color[10005];
int sum[10005];
int key[10005]; 
int dfn[10005],low[10005];
bool vis[10005];
int fr,to;
stack<int>s;
int cnt=0,c=0;
int ans=0;
int dp[10005];

void tarjan(int x){
	dfn[x]=low[x]=++cnt;
	s.push(x);
	vis[x]=1;
	for(int i=0;i<graph[x].size();i++){
		int to=graph[x][i];
		if(!dfn[to]){
			tarjan(to);
			low[x]=min(low[x],low[to]);
		}
		else if(vis[to]){
			low[x]=min(low[x],dfn[to]);
		}
	}
	if(dfn[x]==low[x]){
		c++;
		while(s.top()!=x){
			color[s.top()]=c;
			vis[s.top()]=0;
			sum[c]+=point[s.top()];
			s.pop();
		}
		color[x]=c;
		sum[c]+=point[x];
		vis[x]=0;
		s.pop();
		key[c]=x;
	}
}
void build(){
	for(int i=1;i<=n;i++){
		for(int j=0;j<graph[i].size();j++){
			int fr=i,to=graph[i][j];
			if(color[fr]!=color[to]){
				color_graph[color[fr]].push_back(color[to]);
			}
		}
	}
}
int dfs(int x){
	//vis[x]=1;
	int cost=sum[x];
	int M=0;
	for(int i=0;i<color_graph[x].size();i++){
		int to=color_graph[x][i];
		//if(vis[to]) continue;
		M=max(M,dfs(to));
		//vis[to]=0;
	}
	return cost+M;
}

int main(){
	cin>>n>>m;
	for(int i=1;i<=n;i++) cin>>point[i];
	for(int i=1;i<=m;i++){
		cin>>fr>>to;
		graph[fr].push_back(to);
	}
	for(int i=1;i<=n;i++){
		if(!dfn[i]) tarjan(i);
	}
	build();
	for(int i=1;i<=c;i++){
		memset(vis,0,sizeof(vis));
		ans=max(ans,dfs(i));
	}
	cout<<ans;
	return 0;
}

参考资料

• https://www.cnblogs.com/shadowland/p/5872257.html