有关DAG的一些结论

最新推荐文章于 2022-07-01 18:13:38 发布
最新推荐文章于 2022-07-01 18:13:38 发布
阅读量938 收藏
点赞数 2
分类专栏： 结论
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/fouzhe/article/details/51924770
版权

1.DAG上必然存在出度为0的结点。

2.DAG上若存在唯一出度为0的结点，则该结点可被DAG上其他所有结点到达。

3.问在DAG上最少选择多少个点能够使得从这些点出发可以到达所有点，那么答案就是入度为0的点的个数。

4.假设DAG上出度为0的结点有a个，入度为0的结点有b个，那么在加max(a,b)条边可以使得该有向图强连通。
加边的方法：
要为每个入度为0的点添加入边，为每个出度为0的点添加出边
假定有 n 个入度为0的点，m个出度为0的点，如何加边？
把所有入度为0的点编号 0,1,2,3,4 ….N -1
每次为一个编号为i的入度0点可达的出度0点，添加一条出边，连到编号为(i+1)%N 的那个出度0点,
这需要加n条边
若 m <= n，则
加了这n条边后，已经没有入度0点，则问题解决，一共加了n条边
若 m > n，则还有m-n个入度0点，则从这些点以外任取一点，和这些点都连上边，即可，这还需加m-n条边。
所以，max(m,n)就是第二个问题的解

___fouzhe
关注
专栏目录
Python生成依赖性应用的DAG(有向无环图)拓扑
qq_26606467的博客
10-05 3171
因为研究方向设计到依赖性的应用，做实验需要用到一些随机的DAG(有向无环图)拓扑来作为应用的表示，找了找网上没有符合的代码，于是决定自己写个小脚本来生成大量随机的DAG拓扑。 我实验中要用到的依赖性应用拓扑类似于下面这种模式： 观察到，DAG包括一个入口节点和一个出口节点，其余的节点都是具有依赖关系的中继节点 图中入口节点的入度和出口节点的出度都为0，其余任意节点都至少有一条入边和一条出边。 根据有向无环图的性质，每一个有向无环图中的所有节点能形成有限个拓扑序，拓扑序中的节点只能向后序的节点出边（即一条依赖
拓扑排序的原理及其实现
热门推荐
不忘初心，好好沉淀
07-04 21万+
本文将从以下几个方面介绍拓扑排序： 拓扑排序的定义和前置条件和离散数学中偏序/全序概念的联系典型实现算法 Kahn算法基于DFS的算法 解的唯一性问题实际例子 取材自以下材料： http://en.wikipedia.org/wiki/Topological_sorting http://en.wikipedia.org/wiki/Hamiltonian_pat
拓扑排序和DAG性质
qq_42852687的博客
09-28 395
拓扑排序原理拓扑序的应用1，最大拓扑序和最小拓扑序 原理 拓扑序的应用 1，最大拓扑序和最小拓扑序 实现： 单纯的把队列换成小（大）根堆 理由： 队列内的元素不是有序的，无需保证像BFS队列那种两段性和有序性 ，这个需要注意 结合知识： 贪心 P3243 [HNOI2015] 菜肴制作 ...
可达性统计 bitset优化DP入门
qq_56195933的博客
07-01 315
给定一张 N 个点 M 条边的有向无环图，分别统计从每个点出发能够到达的点的数量。1≤N,M≤300001≤N,M≤300001≤N,M≤30000给定DAG图，多半是要topsort + dp。 可以通过建反图来得到当前点出发到达点的数量。 例如： u–> v, v能到达的点，那么u也能到达。u要对v能到达的点取并集。 假设不使用bitset，要二进制状压表示当前点能到达的点。当然数据范围用状压铁T，就算数据范围小点，状压不T，还要涉及到取ororor操纵，需要O(n)。 假设使用bitset,那么题目
算法与数据结构之图
龙进的博客
12-02 454
图这种数据结构表现的是对象集合以及其间的关系的集合。 图中的“对象”称为结点(Node)或者顶点(Vertex)，通常用圆来表示。“关系”表示顶点与顶点之间的关系，称为边(Edge)。圆与圆之间的关系用连线或者箭头来表示。 无向图 无向图是边没有方向的图。可以用来表现朋友关系这一类的关系。 有向图 有向图是边有方向的图，比如可以用来表示一件事物的学习顺序，要先学会某样知识才能学下一样知识。 加权无向图 加权的“权”就是给边赋的值。有了权值，我们可以表示诸如两个地点之间的距离这样子的信息。
随机生成有向无环图 DAG源代码示例（C语言）
01-02
六、结论 * 本示例代码提供了一个随机生成 DAG 的算法，使用 C 语言实现。 * 该算法可以生成具有不同排名和边缘的 DAG，用于模拟不同的应用场景。 * DAG 在计算机科学和信息技术领域有着广泛的应用前景。
卸除DAG(Exchange)
09-10
最后，更新DNS记录，移除与DAG相关的任何DNS条目，以避免后续的解析错误。 ### 结论 卸除DAG是一个复杂且敏感的操作，涉及多个层面的考虑和执行步骤。正确执行这一过程对于保持Exchange环境的稳定性和效率至关重要...
数据结构课程设计-输出DAG的所有拓扑排序序列-内容与要求.docx
07-06
根据提供的文档信息，本次课程设计的主要任务是设计并实现一个程序来输出给定有向无环图（DAG）的所有可能的拓扑排序序列。为了完成这个任务，我们需要明确...这对于理解和实现拓扑排序的相关知识具有重要的指导意义。
一种基于DAG的网络流量调度器.docx
06-09
- 即便一些针对特定应用设计的网络调度算法（如coflow）考虑了任务之间的依赖关系，但仍然难以适应更复杂的分布式任务模型。 #### 关键发现与技术方案 本研究提出了一种名为JIT（Just in Time）的网络流量调度器...
数据结构图的遍历及拓扑排序
05-31
图的遍历#include #include #define max 100 //定义节点最大个数 int tag[100]; typedef char datatype; /*----------------定义边信息--------------*/ typedef struct node { int adress; // 记录节点位子 struct node *next; //指向下一条边的指针 } edgenode; /*-------------节点元素---定义类型--------------*/ typedef struct vnode { datatype element; //节点元素 edgenode *firstedge; //节点所指向的第一条边 int id; } vexternode; /*----------------定义邻接表类型--------------*/ typedef struct map { vexternode maplist[max]; //存放头结点的顺序表 int n,e; //图的顶点数和边数 } linkmap; int v[100]={0}; //深度优先遍历中标记已访问的信息 int dv[100]={0}; //广度优先遍历中标记已访问的信息 /*----------------定义建立图--------------*/ linkmap *create(linkmap *maps) { int chr[100][2],chh;//chr建立二元组（没权值） char c[100]; // 存放节点元素 int i,j,m,k; edgenode *p,*pre; maps=(linkmap *)malloc(sizeof(linkmap)); printf("***********************************"); printf("\n"); printf("请输入节点个数："); printf("输入节点个数："); scanf("%d",&maps->n); printf("请输入边的个数:"); scanf("%d",&maps->e); scanf("%c",&chh); //空格 printf("请输入节点元素："); for(i=0;in;i++) { scanf("%c",&c[i]);//输入节点元素 scanf("%c",&chh);//空格 maps->maplist[i].element=c[i];//把节点元素存放到邻接表中 maps->maplist[i].firstedge=NULL; } printf("请输入二元组（节点与节点之间的关系）\n"); for(i=0;ie;i++) for(j=0;j<2;j++) scanf("%d",&chr[i][j]); m=0; for(i=0;in;i++) { for(k=0;me&&chr[m][0]==i;m++,k++) { p=(edgenode *)malloc(sizeof(edgenode)); p->adress=chr[m][1]; //边p保存节点位子 if(k==0) maps->maplist[i].firstedge=p; else pre->next=p; pre=p; } p->next=NULL; } return maps; } /*----------------深度优先-------------*/ void dfs(linkmap *maps,int i)//i用来指定深度优先遍历的起始值 { edgenode *pp; printf("%c",maps->maplist[i].element); v[i]=1; pp=maps->maplist[i].firstedge; while(pp) { if(!v[pp->adress]) dfs(maps,pp->adress); pp=pp->next; } } void dfsmap(linkmap *maps) { int i=0; for(i=0;in;i++) v[i]=0; for(i=0;in;i++) if(!v[i]) { dfs(maps,i); } } /*----------------广度优先-------------*/ void bfs(linkmap *map,int i) { edgenode *p; int queue[100],front,real,k; front=-1; real=-1; printf("%c",map->maplist[i].element); dv[i]=1; queue[++real]=i; while(frontmaplist[k].firstedge; while(p) { if(!dv[p->adress]) { printf("%c",map->maplist[p->adress].element); queue[++real]=p->adress; dv[p->adress]=1; } p=p->next; } } } void bfsmap(linkmap *maps) { int i=0; for(i=0;in;i++) dv[i]=0; for(i=0;in;i++) if(!dv[i]) bfs(maps,i); } /*----------------计算入度数-------------*/ void id(linkmap *maps) { int i=0; edgenode *p=maps->maplist[i].firstedge; for(i;in;i++) maps->maplist[i].id=0; for(i=0;in;i++) { p=maps->maplist[i].firstedge; while(p) { maps->maplist[p->adress].id++; p=p->next; } } } /*----------------输出各节点的入度数-------------*/ void print(linkmap *maps) { int i=0; for(i;in;i++) printf("%d",maps->maplist[i].id); } /*----------------输出拓扑排序-------------*/ int topsort(linkmap *map) { int k=0,i,j,v,tag[100];//tag用来标记是否已访问到 int queue[100];//用队列存储 int front=0,real=0; edgenode *p; for(i=0;in;i++) { tag[i]=0;//初始化标记 } for(i=0;in;i++) { if(map->maplist[i].id==0&&tag[i]==0) { queue[++real]=i;//让每一个未被访问到的且入度为0的节点进栈 tag[i]=1;//当节点进栈时，标记此节点被访问过 } } while(frontmaplist[v].element);//输出刚出栈的元素 k++;//用来统计拓扑排序输出的个数 p=map->maplist[v].firstedge; //p指向此节点的下一条边 while(p) { j=p->adress;//j记下下一条边所对应节点的位子 if(map->maplist[j].id==0&&tag[j]==0)//下一条边节点入度减一，并判断之后入度是否为零且未被访问过 { queue[++real]=j;//让每一个未被访问到的且入度为0的节点进栈 tag[j]=1;//进栈…… } p=p->next;//p指向下一条关联于该节点的边 } } return k; //k用来计算输出的个数，并判定了是否有环 } /*--------图的非递归遍历-------*/ void fdg(linkmap *maps,int i) { edgenode *p,*q; linkmap *m; int stack[100]; int top=0; stack[top]=i; printf("%c ",maps->maplist[i].element); tag[i]=1; p=maps->maplist[i].firstedge; while(top>=0) { while(p) { if(tag[p->adress]!=1) printf("%c ",maps->maplist[p->adress].element); stack[++top]=p->adress; tag[p->adress]=1; q=p; p=maps->maplist[p->adress].firstedge; if(p&&tag[p->adress]==1) p=p->next; } do{ p=q; if(top==0) { p->adress=stack[top]; top--; } else p->adress=stack[--top]; p=maps->maplist[p->adress].firstedge; if(top==-1) break; while(p!=NULL) { if(tag[p->adress]==1) p=p->next; else break; }; }while(!p); } } void fdgsmap(linkmap *maps) { int i=0; for(i=0;in;i++) tag[i]=0; for(i=0;in;i++) if(!tag[i]) fdg(maps,i); } void main() { edgenode *p1; linkmap *maps; int i=0,c,num; maps=create(maps); id(maps); printf("深度优先遍历结果为："); dfsmap(maps); printf("\n广度优先遍历结果为："); bfsmap(maps); printf("拓扑排序结果为："); num=topsort(maps); if(num==maps->n) printf("此拓扑排序树无环\n"); else printf("此拓扑排序树有环\n"); printf(" \n非递归深度优先遍历结果为："); fdgsmap(maps); printf("\n"); }
强连通分量缩点+DAG度数测定（poj1236）
Aczy156的博客
08-20 181
poj1236 task1，将缩点完了之后的每个块的入度为零的点的个数 task2，是在缩完点的DAG的基础上添加多少条边使得 DAG 之间的所有点能够相互到达(形成一个 SCC)，套结论：入度为 0 的点的个数和出度为 0 的点个数的最大者 其中找连通分量可以通过vector储存有向图的信息，这样非常方便，就不需要开nt，to，head数组了。 // // main.cpp // 强连通_将...
图论算法（2）--- 如何求DAG中每一个点的所有子孙数量
VV
08-29 1485
问题引入： 上篇文章我们
poj 2186 （求一个图中可以到达所有点的点的个数） （强连通）
sky_zdk的博客
04-06 514
#include #include #include #define MAX_N 10000+16 using namespace std; vectorG[MAX_N]; vectorrG[MAX_N]; vectorvs; bool vis[MAX_N]; int cmp[MAX_N]; int n,m,V; void add_edge(int from,int to) { G[from].p
拓扑排序判断是否为DAG图（有向无环图）,并输出其中一种拓扑序列
zjf的日常
07-13 2629
DAG图：有向无环图拓扑排序：只有DAG图才能成功实现拓扑排序此算法将判断此图是否为DAG图，如果是DAG图，则输出其中一种拓扑序列代码如下：#include"stdafx.h" #include&lt;cstdio&gt; #include&lt;vector&gt; #include&lt;iostream&gt; #include&lt;algorithm&gt; #include&lt;q...
DAG图的性质
yyyyrr的博客
08-09 701
1.DAG上必然存在出度为0的结点。 2.DAG上若存在唯一出度为0的结点，则该结点可被DAG上其他所有结点到达。 3.问在DAG上最少选择多少个点能够使得从这些点出发可以到达所有点，那么答案就是入度为0的点的个数。 4.假设DAG上出度为0的结点有a个，入度为0的结点有b个，那么在加max(a,b)条边可以使得该有向图强连通。 加边的方法： 要为每个入度为0的点添加入边，为每个出度为0的点添加出边 假定有 n 个入度为0的点，m个出度为0的点，如何加边？ 把所有入度为0的点编号 0,1,2,3,4 ….N
学习记录-DAG上的支配树
98kaiii的博客
08-01 1197
基本概念 作用： 在有向图中，当询问从起点到终点的路径必须经过的点，即去掉这个点以及周围的边，就不能从起点到达终点的点（类似于无向图中的割点）。这时，可与通过建立支配树来解决问题。 结构： 支配树理所当然是一个树状结构。图的起点作为根节点，每一个节点到达根节点的路径都是必经点。如果能建立这样的树状结构，那么基本可以通过搜索求得关于必经点的所有信息。 在DAG上的建树方法： 总的来说就是，点x在支配...
证明：在有向无环图中：不存在入度为0的点  ∧ 不存在出度为0的点 => 该图是强连通图
qq_34082469的博客
10-04 3473
要证明的问题：        前提条件：在有向无环图中(即自己本身是不是强连通的不知道，但其任何子图都不是强连通的)        待证命题：不存在入度为0的点  ∧ 不存在出度为0的点 =&gt; 该图是强连通图。 （强连通图：任取两个不同的顶点a和b，a都可以到达b） 要证：当前是强连通图， 即证：任取顶点 i 、j (i和j是不同顶点)，i可到达j， 即证：假设i不可到达j，必产...
Maya中操作普通DG节点和Dag节点的区别
weixin_33920401的博客
02-26 851
在Maya中，Dependency Graph是Maya的核心，由许多DG节点互联组成。其中包含了两种我们常见的节点，一种是普通的DG节点，一种是DAG（directed acyclic graph）节点。DAG节点在本质上也是一种DG节点。 当我们需要操作DG节点的时候，我们知道，用户是不能直接访问Maya核心的，Maya在其核心之上提供了一系列严格定义的接口，使用户能够通过这些API来操作M...
如果从有向图 G 的每一点均能通过深度优先搜索遍历到所有其它顶点，那么该图一定不存在拓扑序列。
最新发布
05-10
这个结论是不正确的。事实上，如果有向图 G 的每个顶点都可以通过深度优先搜索遍历到所有其他顶点，那么该图一定存在拓扑序列。 拓扑排序是一种将有向无环图（DAG）中的顶点进行排序的算法，使得对于任意一条有向边 (u, v)，在排序后的序列中顶点 u 都排在顶点 v 的前面。如果一个 DAG 存在拓扑序列，那么它一定是 DAG 的一个线性序列。 如果一个 DAG 中每个顶点都可以通过深度优先搜索到达所有其他顶点，那么这个 DAG 一定是强连通的。在这种情况下，我们可以使用 Kosaraju 算法计算出强连通分量，并将每个强连通分量缩成一个点，这样得到的新图一定是一个有向无环图。因为在强连通分量内部不存在环，所以缩点后也不会形成环。而新图中的每个点都对应原图中的一个强连通分量，因此新图中也不存在拓扑序列。因此，如果原图中每个顶点都可以通过深度优先搜索遍历到所有其他顶点，那么它一定是一个强连通的 DAG，因此一定存在拓扑序列。
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