算法数据结构 | 三个步骤完成强连通分量分解的Kosaraju算法

强连通分量分解的Kosaraju算法

今天是算法数据结构专题的第35篇文章，我们来聊聊图论当中的强连通分量分解的Tarjan算法。

Kosaraju算法一看这个名字很奇怪就可以猜到它也是一个根据人名起的算法，它的发明人是S. Rao Kosaraju，这是一个在图论当中非常著名的算法，可以用来拆分有向图当中的强连通分量。

背景知识

这里有两个关键词，一个是有向图，另外一个是强连通分量。有向图是它的使用范围，我们只能使用在有向图当中。对于无向图其实也存在强连通分量这个概念，但由于无向图的连通性非常强，只需要用一个集合维护就可以知道连通的情况，所以也没有必要引入一些算法。

有向图我们都了解，那么什么叫做强连通分量呢？强连通分量的英文是strongly connected components。这是一个很直白的翻译，要理解它我们首先需要理解强连通的概念。在有向图当中，如果两个点之间彼此存在一条路径相连，那么我们称这两个点强连通。那么推广一下，如果一张图当中的一个部分中的每两个点都连通，那么这个部分就称为强连通分量。

强连通分量一般是一张完整的图的一个部分，比如下面这张图当中的{1, 2, 3, 4}节点就可以被看成是一个强连通分量。

其实求解强连通分量的算法并不止一种，除了Kosaraju之外还有大名鼎鼎的Tarjan算法可以用来求解。但相比Tarjan算法，Kosaraju算法更加直观，更加容易理解。

算法原理

Kosaraju算法的原理非常简单，简单到只有三个步骤：

1. 我们通过后序遍历的方式遍历整个有向图，并且维护每个点的出栈顺序

2. 我们将有向图反向，根据出栈顺序从大到小再次遍历反向图

3. 对于点u来说，在遍历反向图时所有能够到达的v都和u在一个强连通分量当中

怎么样，是不是很简单？

下面我们来详细阐述一下细节，首先后序遍历和维护出栈顺序是一码事。也就是在递归的过程当中当我们遍历完了u这个节点所有连通的点之后，再把u加入序列。其实也就是u在递归出栈的时候才会被加入序列，那么序列当中存储的也就是每个点的出栈顺序。

这里我用一小段代码演示一下，看完也就明白了。

popped = [] # 存储出栈节点

def dfs(u):
    for v in Graph[u]:
        dfs(v)
        popped.append(u)

我们在访问完了所有的v之后再把u加入序列，这也就是后序遍历，和二叉树的后序遍历是类似的。

反向图也很好理解，由于我们求解的范围是有向图，如果原图当中存在一条边从u指向v，那么反向图当中就会有一条边从v指向u。也就是把所有的边都调转反向。

我们用上面的图举个例子，对于原图来说，它的出栈顺序我们用红色笔标出。

也就是[6, 4, 2, 5, 3, 1]，我们按照出栈顺序从大到小排序，也就是将它反序一下，得到[1, 3, 5, 2, 4, 6]。1是第一个，也就是最后一个出栈的，也意味着1是遍历的起点。

我们将它反向之后可以得到：

我们再次从1出发可以遍历到2，3， 4，说明{1, 2, 3, 4}是一个强连通分量。

怎么样，整个过程是不是非常简单？

我们将这段逻辑用代码实现，也并不会很复杂。