目录
一、实验目的
1. 掌握图的连通性。
2. 掌握并查集的基本原理和应用。
二、问题描述
在图论中，一条边被称为“桥”代表这条边一旦被删除，这个图的连通块数量会增加。等价地说，一条边是一座桥当且仅当这条边不在任何环上，一个图可以有零或多座桥。现要找出一个无向图中所有的桥，基准算法为：对于图中每条边uv，删除该边后，运用BFS或DFS确定u和v是否仍然连通，若不连通，则uv是桥。应用并查集设计一个比基准算法更高效的算法，不要使用Tarjan算法。
图1 没有桥的无向连通图 图2 有16个顶点和6个桥的图（桥以红色线段标示）
三、实验要求
1. 实现上述基准算法。
2. 设计的高效算法中必须使用并查集，如有需要，可以配合使用其他任何数据结构。
3. 用图2的例子验证算法的正确性，该图存储在smallG.txt中，文件中第1行是顶点数，第2行是边数，后面是每条边的两个端点。
4. 使用文件mediumG.txt和largeG.txt中的无向图测试基准算法和高效算法的性能，记录两个算法的运行时间。
5. 实验课检查内容：对于smallG.txt、mediumG.txt、largeG.txt中的无向图，测试高效算法的输出结果和运行时间，检查该代码，限用C或C++语言编写。其中smallG.txt和mediumG.txt为必做内容，运行时间在4分钟内有效，直接在终端输出结果和运行时间。以smallG.txt为例，输出如下：
6
0 1
2 3
2 6
6 7
9 10
12 13
0.002
其中，第一行的6表示桥数，接下来的6行分别是6座桥的两个端点，小端点在前，大端点在后，6座桥按照端点从小到大的顺序输出，最后一行的0.002为整个main函数的运行时间，单位为秒。
四、算法思想
1. 基准算法
1.1 算法思想
1）先dfs遍历图，得到连通分量个数N；
2）遍历边集，对于每条边ei，先删除ei；
3）再次dfs得到此时的连通分量个数num，
4）如果num!=N，则ei为桥；否则不为桥。
5）恢复ei，取下一条边ei+1，回到2）继续，直到遍历完全部边。
1.2 代码
int **k,*v,n,m,**br,brnum,N;
//邻接矩阵、访问位、点数、边数、是否为桥、桥数、
int *p,*d,*qiao;//并查集、点的深度、标记dfs2后是否为桥
string filename;//文件名
void read1(){//初始化
int i,a,b;
ifstream file(filename.c_str());
file>>n>>m;
k=new int*[n];
v=new int[n];
br=new int*[n];
brnum=0;
for(i=0;i<n;i++){
k[i]=new int[n];
br[i]=new int[2];
v[i]=0;
br[i][0]=br[i][1]=0;
for(int j=0;j<n;j++)
k[i][j]=0;
}
for(i=0;i<m;i++){
file>>a>>b;
k[a][b]=1;
k[b][a]=1;
}
file.close();
}
void dfs1(int a){//dfs深度遍历
int i;
v[a]=1;
for(i=0;i<n;i++)
if(k[a][i]&&!v[i])
dfs1(i);
}
int count1(){//计算连通分量个数
int i,num=0;
for(i=0;i<n;i++)
if(!v[i]){
dfs1(i);
num++;
}
return num;
}
void base(){//基准法
int i,j,a,b,num;
ifstream file(filename.c_str());
file>>n>>m;
N=count1();
for(i=0;i<m;i++){
file>>a>>b;
k[a][b]=0;//先删除该边
k[b][a]=0;
for(j=0;j<n;j++)
v[j]=0;
num=count1();
if(num!=N){//判断是否为桥
br[brnum][0]=a;//记录桥
br[brnum][1]=b;
brnum++;//桥个数增加
}
k[a][b]=1;//恢复该边
k[b][a]=1;
}
file.close();
}
void print1(){//因为实验对输出格式有要求
int i,j,a,b;
cout<<brnum<<endl;
for(i=0;i<brnum-1;i++){//选择排序
a=i;
for(j=i+1;j<brnum;j++){
if(br[j][0]<br[a][0]||
(br[j][0]==br[a][0]&&br[j][1]<br[a][1]))
//父端较小 或 父端相同、子端较小
a=j;
}
b=br[a][0];
br[a][0]=br[i][0];
br[i][0]=b;
b=br[a][1];
br[a][1]=br[i][1];
br[i][1]=b;
}
for(int i=0;i<brnum;i++){
cout<<br[i][0]<<" "<<br[i][1]<<endl;
}
}1.3 时间复杂度
n个点，m条边。需要遍历m条边，O(m)，每次都需要count1一次，而count1由于是使用邻接矩阵储存边关系，最坏情况为O(n^2)。所以总的时间复杂度为O(m*n^2)。
如果用邻接表，则count1的时间复杂度为O(n+m)，总时间复杂度变为O(m(n+m))。
2. 使用并查集的高效算法
2.1 算法思想
桥的等价意义：不在环上的边。
树是边数最小的无环图，当向树上添加任意一条顶点都在树上的边时，会形成环。桥不在环上，所以桥只能在图的生成树上。
所以还是先构建生成树，然后不断dfs，不过dfs过程中顺便记录每个点的深度d[i]。
再遍历所有边，每次遍历时：
如果为生成树上的边则直接return。
否则：求当前边两端点的最近公共祖先（LCA），过程中将路过的边（在环上）置为非桥边（q[i]==0）；并根据LCA进行路径压缩compress（将环上除了LCA本身的点的父节点均设置为LCA）。
这里以点带边，即q[i]==1表示以第i个点为尾的生成树上的边为桥，该边用(p[i],i)表示（p[i]为i在生成树上的父节点）。
2.2 代码：
void read2(){//读入文件信息并初始化
…………
}
void dfs2(int a,int b,int depth){//b is the ancestor of a
…………
}
void count2(){//生成生成树、并查集、深度集合等
…………
}
void compress(int x,int a){//路径压缩
if(p[x]==a)//等于最近公共祖先
return;
else{
int t=x;
x=p[x];
p[t]=a;
compress(x,a);
}
}
void LCA(int a,int b){//对每条边的两点找最近公共祖先
if(p[a]==b||p[b]==a)//在生成树上的边，直接返回
return;
else{
int u=a,v=b,//保留原边的两端
x=0,y=0;//判断a、b是否在while中执行了a=p[a]、b=p[b]操作，有执行才压缩，
//避免其中一点是最近公共祖先时压缩导致该点父节点被自己覆盖
while(1){
if(d[a]>d[b]){//深度大的向上遍历
qiao[a]=0;
a=p[a];
x=1;
}
else if(d[a]<d[b]){//深度大的向上遍历
qiao[b]=0;
b=p[b];
y=1;
}
else if(a!=b){//深度相同但不同点，一起向上遍历
qiao[a]=0;
qiao[b]=0;
a=p[a];
b=p[b];
x=y=1;
}
else break;//同个点，a=b=最近公共祖先
}
//此时a==b
if(x)//路径压缩
compress(u,a);
if(y)
compress(v,b);
}
}
void better(){//并查集的高效算法
int i,a,b;
ifstream file(filename.c_str());//读入文件
count2();//生成生成树、并查集、深度集合等
file>>n>>m;
for(i=0;i<m;i++){//遍历每一条边
file>>a>>b;
LCA(a,b);//求最近公共祖先
}
file.close();
}
void print2(){//打印输出
……
}虽然压缩后不能再直接使用”if(p[a]==b||p[b]==a)“判断边(a,b)是否为原生成树上的边，但不影响结果。因为压缩的边都是非桥边，只不过会执行下面的while。但总体上压缩后效率还是提高了的。
2.3 时间复杂度：
n个点，m条边。dfs构建生成树最坏情况下时间复杂度为O(n^2)。遍历m条边，每次查找最近公共祖先最差情况下要查找n次，时间复杂度为O(n)，一次路径压缩最差情况时间复杂度也为O(n)。所以总时间复杂度为O(n*(m+n))。
五、实验结果
1、用图2的例子验证算法的正确性，该图存储在smallG.txt中，文件中第1行是顶点数，第2行是边数，后面是每条边的两个端点。
验证正确。
2、使用文件mediumG.txt和largeG.txt中的无向图测试基准算法和高效算法的性能，记录两个算法的运行时间。
mediumG.txt：
对于largeG.txt文件，由于使用的是邻接矩阵，n太大，运行时内存不够分配，运行中断。
3424
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
