图论：图的环路检测和取环

已于 2022-05-09 10:04:52 修改
阅读量8.6k 收藏 15
点赞数 5
分类专栏： Algorithm 文章标签： 算法
于 2021-09-30 13:10:51 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/doctor_oyy/article/details/120564776
版权

图论：有向图的环路检测和取环

图的相关概念

顶点

边（有向、无向）

度（入度、出度）

一个顶点如果有一条边指向它，那我们就说这个顶点的入度为1 ；类似地，从顶点出发，有一条边我们就说这个顶点的出度为 1

图的表示

邻接矩阵

1-1

假设有 n 个顶点 m 条边的图，声明一个 m * n 的二维数组，G[i][j] = 1 表示 i → j 是连通的

但存在几个问题：

  • 遍历元素时，存在的边和不存在的边都不得不检查一遍，导致遍历效率低。
  • 不能存储重复的边。
  • 当顶点数量多时，内存空间开销会很大。
  • 空间利用率不高。
  • 存储无向图时，由于此时矩阵是对称的，而对称位置上的成对元素保存的信息是重复的，导致空间利用率不高。

邻接表

1-2

用一个数组adj存储以这个点可以到达的所有顶点，例如：adj[i] = [a, b, c, d] ，adj[i] 可以是一个链表或者数组

图的环路检测方法

并查集

并查集详解 --图文解说,简单易懂(转)

Q & A

  1. 为什么需要路径压缩？为什么可以压缩？

    最坏的情况下，查找路径可能退化成一条链，极大影响查找效率；

    pre 数组并不用存储真正的节点之间的关系，它的作用只有一个，判断任意 2 个节点有没有一个公共祖先；

    压缩的几种方式：

    1. 按秩合并
    2. 边查找边合并

  2. 什么情况下说明有环？

    将要合并的 2 个节点，它们已经拥有公共祖先的时候，说明可能存在环（注意是可能存在 ）

  3. 那什么情况下有公共祖先但是也没有环呢？

    有向图的情况，要知道有向图的边是有方向的，即使 2 个节点存在公共祖先，也不一定构成环，例如：[ [1,2], [1,3], [2,3] ]

    不过下面这道题涉及的只是无向图，因此不用特别处理。

// [https://leetcode-cn.com/problems/graph-valid-tree/](https://leetcode-cn.com/problems/graph-valid-tree/)

// Input: n = 5, edges = [[0,1],[0,2],[0,3],[1,4]]
// Output: true

// Input: n = 5, edges = [[0,1],[1,2],[2,3],[1,3],[1,4]]
// Output: false

const int maxN = 2010;
int pre[maxN];

int find(int x) {
  return x == pre[x] ? x : pre[x] = find(pre[x]); // 路径压缩，边查找边压缩
}

void _union(int x, int y) {
  int fx = find(x), fy = find(y);
  if (fx != fy) {
    pre[fx] = fy;
  }
}

class Solution {
  public:
    bool validTree(int n, vector<vector<int> >& edges) {
      for (int i = 0; i < n; i++) {
        pre[i] = i;
      }
      for (int i = 0; i < edges.size(); i++) {
        int a = edges[i][0], b = edges[i][1];
        if (find(a) == find(b)) {
          return false;
        }
        _union(a, b);
      }
			// 多个分离的树也不是一棵合法的树
      set<int> preSet;
      for (int i = 0; i < n; i++) {
        preSet.insert(find(i));
      }
      return preSet.size() == 1;
    }
};

拓扑排序

什么是拓扑关系？

举个例子，一门课程都有它的先修课程

1-3

用图的方式表示就是:

Untitled

课程之间的相互关系就是一种拓扑关系。

什么是拓扑序列，如何寻找拓扑序列？

我们知道了任意一门课程的先修课程，如果此时要你来给学生做一张大学四年的课程表，那么这种课程表中课程组成的序列实际上就是一个拓扑序列

具体做法：在有向图中，找出入度为 0 的顶点，将这些顶点放到队列中，依次删除这些顶点及其相关的边，重复上一步，就可以得到一个拓扑序列


// 拓扑排序

// input: [[1,0],[2,0],[3,1],[3,2]]
// output: [0, 1, 2, 3] or [0, 2, 1, 3]

const edges = [[1,0],[2,0],[3,1],[3,2]];

const inDegree = [];
// 求顶点的入度
edges.forEach(edge => {
  const [target, source] = edge;
  inDegree[target]++;
}

// 找出入度为 0 的顶点
let queue = [];
inDegree.forEach((val, index) => {
  if (val === 0) {
    queue.push(index)
  };
});

const res = [];

while (queue.length) {
  const cur = queue.shift();
  res.push(cur);
  edges.forEach(edge => {
    const [target, source] = edge;
    if (source === cur) {
      inDegree[target]--;
			// 新的入度为 0 的顶点，一定在这里产生
      if (inDegree[target] == 0) {
        queue.push(target);
      }
    }
  })
}

console.log(res)

如果找不到一个入度为 0 的顶点，是否就说明一定存在环？

直觉上是，不过还没找到证明方法。

如何在检测环的同时取出环？

要想取出环，意味着我们需要将整个图至少遍历一遍，比较直接的做法是深度优先遍历

算法讲解：https://www.youtube.com/watch?v=rKQaZuoUR4M

Q & A

  1. 为什么要使用 3 种颜色标记节点？

    其实相当于剪枝；color 为 2 的节点再也不必访问了

  2. pre 数组是干什么用的？

    记录节点的父节点，找到环时，从 dfs 最后一个探访的一个节点出发，依次寻找其父节点，直到形成一个环或者在中途路径断开（也就是说这个节点没有父节点了），到此为止，这个过程就在构造环

  3. 复杂度是多少？

    假设顶点数量为 V， 边的数量为 E ， 每条边都要走一遍，那么时间复杂度为 O(V+E) ，空间复杂度为 O(V) (实际上我们需要额外的空间保存环结构，所以最坏情况下占用空间应该是 cv1+cv2+…+cvv＝2^v）

  4. 存在什么隐患？

    图的层级太深会爆栈

JavaScript 版：

// [https://cses.fi/problemset/task/1678](https://cses.fi/problemset/task/1678)

// const n = 4, m = 5;
// const edges = [[1,3], [2,1], [2,4], [3,2], [3,4]];
//const n = 10, m = 20;
//const edges = [[9,8], [2,9],[7,5], [4,5],[1,5],[3,8],[4,2],[5,4],[6,5],[3,6],[8,10],[10,9],[10,7],[9,3],[7,6],[8,7],[7,3],[8,9],[7,10],[2,1]]
const n = 6, m = 7;
const edges = [[1, 2], [2, 3], [3, 1], [1, 4], [4, 6], [6, 5], [5, 4]];

const pre = Array(n + 1).fill(-1);

const color = Array(n + 1).fill(0);

// 建立邻接表
const adj = [[], [], [], [], [], [], [], [], []]; // 不知道为什么，初始化用 Array(n + 1).fill([]) 会报错
edges.forEach(edge => {
  const [source, target] = edge;
  adj[source].push(target);
});

const cycles = [];

const buildCycle = (start, end) => {
  const cycle = [start];
  for (let cur = end; cur !== start; cur = pre[cur]) {
    cycle.push(cur);
  }
  cycle.push(start);
  cycles.push(cycle.reverse());
}

const dfs = source => {
  color[source] = 1;
  adj[source].forEach(target => {
    if (color[target] === 0) {
			pre[target] = source;
      dfs(target);
    } else if (color[target] === 1) {
      // console.log(target, source)
      buildCycle(target, source);
    }
  });
  color[source] = 2;
}

for (let v = 1; v <= n; v++) {
  if (color[v] === 0) {
    dfs(v);
  }
}

console.log(cycles)

C++版：

#include<iostream>
#include<vector>
using namespace std;

const int maxN = 1e5+10;
vector<int> color(maxN, 0) , pre(maxN, 0), adj[maxN];

vector<vector<int> > res;

void build_cycle(int start, int end) {
  vector<int> cycle;
  cycle.push_back(start);
  for (int cur = end; cur != start; cur = pre[cur]) {
    cycle.push_back(cur);
  }
  cycle.push_back(start);

  vector<int> reversedCycle;
  for (int i = cycle.size() - 1; i >= 0; i--) {
    reversedCycle.push_back(cycle[i]);
  }

  res.push_back(reversedCycle);
}

void dfs(int source) {
  color[source] = 1;
  for (int &target: adj[source]) {
    if (color[target] == 0) {
      pre[target] = source;
      dfs(target);
    } else if (color[target] == 1) {
      build_cycle(target, source);
    }
  }
  color[source] = 2;
}

int main() {
  int n, m;
  cin >> n >> m;
  while (m--) {
    int a, b;
    cin >> a >> b;
    adj[a].push_back(b);
  }

  for (int i = 1; i <= n; i++) {
    if (color[i] == 0) {
      dfs(i);
    }
  }

  if (res.size() != 0) {
    for (int i = 0; i < res.size(); i++) {
      cout << res[i].size() << endl;
      for (int j = 0; j < res[i].size(); j++) {
        cout << res[i][j] << " ";
      }
      cout << endl;
    }
  } else {
    cout << "IMPOSSIBLE" << endl;
  }

  return 0;
}

并查集也可以部分实现，前面提到，对有向图，我们可以特殊处理一下，依然拿这个例子：[ [1,2], [1,3], [2,3] ], 我们首先合并[1,2], [2,3]，此时 [1,2,3]已经在一个集合中，再合并[2,3], 进入构建环的逻辑: 3 入队，再找到 2 的祖先是 1， 将 1 入队，1 的祖先不存在，不构成环，所以可以结束遍历

#include<iostream>
#include<vector>
#include<cmath>
#include<set>
#include<algorithm>
using namespace std;

const int maxN = 1e5+10;

int pre[maxN];

int pre2[maxN];

vector<vector<int> > res;

// TODO: pre2 这个一维数组并不能处理存在入度大于 1 的顶点的情况，可以改成二维，~~广搜跑一遍~~，不对应该深度优先
void buildCycle(int start, int end) {
  
  vector<int> cycle;
  cycle.push_back(start);
  for (int cur = end; cur != start; cur = pre2[cur]) {
		// 对于入度大于 1 的顶点，也会走到这里，所以需要判断一下查找过程中是不是到尽头了，到了就直接 return
    if (cur == -1) {
      return;
    }
    cycle.push_back(cur);
  }
  cycle.push_back(start);

  vector<int> reversedCycle;

  for (int i = cycle.size() - 1; i >= 0; i--) {
    reversedCycle.push_back(cycle[i]);
  }

  res.push_back(reversedCycle);
}

int find(int x) {
  // cout << "find" << x << endl;
  return x == pre[x] ? x : pre[x] = find(pre[x]); // 路径压缩，边查找边压缩
}

// 5 7
// 1 5
// 1 2
// 1 3
// 3 4
// 4 2
// 2 5
// 4 1

void _union(int x, int y) {
  if (pre2[y] == -1) pre2[y] = x;

  int fx = find(x), fy = find(y);
  if (fx != fy) {
    pre[fx] = fy;
  }
}

int main() {
  int n, m;
  cin >> n >> m;

  for (int i = 0; i <= n; i++) {
    pre[i] = i;
    pre2[i] = -1;
  }

  while (m--) {
    int a, b;
    cin >> a >> b;
    if (find(a) == find(b) ) {
      buildCycle(b, a);
      continue;
    }
    _union(a, b);
  }

  if (res.size() != 0) {
    for (int i = 0; i < res.size(); i++) {
      cout << res[i].size() << endl;
      for (int j = 0; j < res[i].size(); j++) {
        cout << res[i][j] << " ";
      }
      cout << endl;
    }
  } else {
    cout << "IMPOSSIBLE" << endl;
  }

  return 0;
}

这里有一组数据超时主要是因为，题目其实只要找一个环，我的解法为了满足业务上可能的需要，扩充了一下，找所有环，理论上改成只找到一个环就结束，应该是可以 AC 的

1-5

TODO：尚不能完美处理存在入度大于 1 的顶点的情况，需要将 pre2 变成二维，再遍历一个节点的所有父节点，目前看广搜深搜都可

应该使用深搜!! 还是不对，广搜其实可以

doctoroyy
关注
  • 5
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
2022.3.23 图论——环检测算法
LGoGoGo的博客
03-23 2433
课程表I（环检测算法）
图论基础之 图中找环
热门推荐
lj12358132134的博客
05-26 1万+
对于有向图而言 可以使用拓扑排序的方式找出图中的环#include&lt;bits/stdc++.h&gt; using namespace std; const int maxn = 1e5+7; int n; int du[maxn];//入度 vector&lt;int&gt; gra[10]; vector&lt;int&gt; res; void addedge(int a,int b)...
【算法修炼】图论算法一（图的表示、图的遍历、图中环的检测）
Mxeron的博客
02-21 1517
学习自：https://labuladong.gitee.io/algo/2/19/35/ 终于开始了数据结构算法的学习…（????数据结构） 一、图的基本结构 二、图的存储方式 图结构的两种存储方式： 无向图的邻接矩阵一定是对称的。 三、度 四、图的遍历 图和多叉树最大的区别是，图是可能包含环的，你从图的某一个节点开始遍历，有可能走了一圈又回到这个节点。 所以，如果图包含环，遍历框架就要一个 visited 数组进行辅助： // 记录被遍历过的节点 boolean[] visited; //
环路检测典型配置-Loop Detection检测设备所在网络
最新发布
满地找牙的博客
07-01 1274
Loop Detection（环路检测）是一种用于识别和防止网络中形成环路的技术，它特别适用于交换机所在的网络环境。网络环路会导致数据包无休止地循环转发，从而引发广播风暴、MAC地址表不稳定、网络拥塞乃至整体网络性能的严重下降。
图论——环检测
LiuRenyou的博客
01-18 1381
文章目录图论——环检测问题分析代码 图论——环检测 问题分析 检测上图是否有环其实也相当简单，只要dfs的过程发现某个顶点的邻接顶点已经访问过了，就说明有环，除此之外，还要排除一种情况，如下： 例如从0开始dfs，0已访问 dfs 1，发现1的邻接顶点0已被访问，此时不可以判定有环，即要排除已访问的顶点不是上一个顶点(parent) 代码 graph.txt 7 6 0 1 0 2 1 3 2 ...
小希的迷宫
weixin_30338481的博客
05-25 51
C -小希的迷宫 Time Limit:1000MSMemory Limit:32768KB64bit IO Format:%I64d & %I64u SubmitStatusPracticeHDU 1272 Description 上次Gardon的迷宫城堡小希玩了很久（见Problem B），现在她也想设计一个迷宫让Gardon来...
图论之各种找环
weixin_30553777的博客
09-17 857
给我们一个有向图，找出长度为3的环，如果有的话，输出环上的三个点，如果没有，输出-1 因为只有三个点，所以可以暴力， 枚举两条边，判断第三条是不是存在即可。 fa -> u, u -> i, 判断g[i][fa]==1? 1 #include <iostream> 2 #include <stdio.h> 3 #include &l...
图的环路问题
Rainny_Sun的专栏
08-03 792
一、无向图环路问题题目来源：http://acm.buaa.edu.cn/contest/141/problem/F/ 网上搜了一下，目测有不下三种解决方法。不过这里只介绍两种方法来求解无向图的环路问题。 1.利用DFS求解 并不是说，访问过程中遇到与所要查找的节点相同就说明存在回路。因为有可能查找过程中遇到的情况可能是1->2，2->1。为此，设置一个前驱节点，当当前节点已经被访问过（说明之前访
在图上找环或判环(只找一个环)
weixin_44316314的博客
03-22 829
在有向图上找环，需要两个数组。visx[i]表示以i为起点已经被遍历过了，并且不存在环。vis[i]表示在当前的搜索树上，i这个点已经被遍历过了，所以当第二次遍历到它时，就可以找到环了。 void dfs(int x) { if( vis[x] == 1 ) { flag = x; //flag为循环点，回溯时用来加边 return; } if( visx[x] == 1 )...
大数据学习 Spark：有向无环图（DAG）检测
weixin_44386969的博客
05-14 1076
Spark 是一种与 Hadoop 相似的开源集群计算环境，拥有Hadoop MapReduce所具有的优点;但不同于MapReduce的是——Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。 在这里还是要推荐下我自己建的大数据学习交流群:957205962，群里都是学大数据开发的，...
图论入门：探索最短路径算法
图论的研究对象可以是有向图和无向图，通过研究图中的顶点和边，可以解决各种问题，其中包括最短路径问题。 ## 1.2 最短路径问题的背景和应用 最短路径问题是图论中的一个重要问题，它是指在图中寻找两个节点之间...
图中检测环算法 DFS 后向边
10-18
图论中用后向边检测环，算法导论中有介绍，这里是一个实现
Spark：有向无环图（DAG）检测
程序之道的博客
01-17 2859
Spark背景介绍 Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎。Spark 是一种与 Hadoop 相似的开源集群计算环境，拥有Hadoop MapReduce所具有的优点;但不同于MapReduce的是——Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。 RDD，全...
图论算法2：最短路径算法与最小生成树算法
它研究的是图（Graph）这种数据结构以及在图上进行的各种操作和计算问题。图由节点（顶点）和边组成，可以用来表示现实生活中的许多问题，例如网络拓扑、交通路线、社交网络等。图论算法主要包括最短路径算法和最小...
图论算法
xero10的博客
10-10 2959
图的基础 一个图（graph）G = (V，E)由顶点（vertex）集V和边（edge）集E组成。每一条边就是一个点对（v，w），v，w∈V。有时也把边叫做弧（arc）。如果点对是有序的，那么图叫做有向的（directed），有向的图叫做有向图（digraph）。当且仅当（v，w）∈E时，称顶点v和w邻接（adjacent） 图中的一条路径（path）是一个顶点序列w1，w2，w3，...，
有向图环路检测
后而来者
11-04 1178
有向图环路检测
【图论】环问题（最小环、最大环、环计数）
分享XCPC常用算法和相关技巧
05-03 4831
关于图论中环的一些常见问题，包括最小环、最大环、环计数
测试图中是否有环
yukjin的专栏
03-24 822
一个图中是否有环跟利用深度优先搜索中是否出现回边是同一个问题 //determine if the graph is acyclic public static boolean acyclic(DiGraphg) { //use for calls to dfsVisit() LinkedList dfsList=new LinkedList(); Iterator grap
Map中环路检测
WK_SDU的博客
07-29 312
Map是一种键值对的集合，因为键值在使用时很有可能呼互换，比方说键K1对应的值时V1，然而V1又能作为键，而之前的K1将会作为K1对应的值，就产生了环路了，在很多情况下。产生环路可能会使程序无休止的执行下去造成严重后果，因此需要检测环路产生，当新插入的键值对会使原先的Map产生环路，就拒绝这次插入 环路检测有很多种做法，我最喜欢的一种是： 当存在环路时必然是有（K1，V1）存在且（V1，K1）...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值