强连通分量个数的求法(图解）

最新推荐文章于 2024-07-12 10:56:47 发布
最新推荐文章于 2024-07-12 10:56:47 发布
阅读量2.6w 收藏 149
点赞数 36
分类专栏： 软件设计师 文章标签： 图论
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/weixin_38327135/article/details/108818241
版权
本文介绍了如何求解有向图的强连通分量个数，通过深度优先搜索（DFS）结合图的转置，以一个实例详细解释了计算过程。在给出的例子中，展示了如何找到图的强连通分量，得出该图包含3个强连通分量。
摘要由CSDN通过智能技术生成

强连通分量个数的求法（图解）

背景

最近刷软考题的时候，碰到2013年上半年软件设计师的第31题，求程序图的环路复杂度。答案解析中有这么一段话：

根据图论，在一个强连通的有向图G中，环的个数V(G)由以下公式给出：
V ( G ) = m − n + 2 p （ ∗ ） V(G)=m-n+2p（*）

最低0.47元/天 解锁文章
daria1
关注
  • 36
    点赞
  • 踩
  • 149
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
[图] Kosaraju算法-有向图的强连通分量-图解
geodoer
10-14 4668
3.2 有向图的强连通分量-原理：https://blog.csdn.net/summer_dew/article/details/81666877 Kosaraju算法可以在线性时间和线性空间内找出一个图的强分量 举例 举个例子就很容易理解该算法了 【图G】求图G的强连通分量 【步骤】 求图G的逆图R 对逆图R进行DFS，得到DFS生成森林 求得生成森林的后序序列 以逆图R的DFS后...
求有向图强连通分量个数
thy0311的专栏
11-03 8629
强连通图（Strongly Connected Graph）是指一个有向图（Directed Graph）中任意两点v1、v2间存在v1到v2的路径（path）及v2到v1的路径的图。 在一个tu
数据结构笔记之连通图与强连通图
最新发布
weixin_67855163的博客
07-12 536
数据结构笔记之连通图与强连通图
强连通分量的个数（Kosaraju）
FKJDASOI的博客
01-14 3044
【题目描述】 求一个有向图中强连通分量的个数。 【解题思路】 先解释一下强连通分量的定义： 一个有向图中，如果每两个点都相互连接（可以不直达），那么这个图就是一个强连通，我们可以把一个有向图分解成若干个强连通分量。 那么我们应该怎么做呢？ 首先，从任意一个点开始遍历，记录每个点出栈的顺序。 原理，但我们对一个图进行dfs遍历的时候，我们从最深层开始出栈，如果我们把一个点的出度看作是通往下一层的话，那么我们最先出栈的肯定就是没有出度的了，当一个点的所有出度的点全部出栈了，那么我们也可以看作这个点的出度
（转）求有向图的强连通分量个数（kosaraju算法）
weixin_30391339的博客
04-09 1819
有向图的连通分量的求解思路 kosaraju算法 逛了很多博客，感觉都很难懂，终于找到一篇能看懂的，摘要记录一下 原博客https://www.cnblogs.com/nullzx/p/6437926.html 关于连通分量是什么自行百度，这里主要说明连通分量的求解方法 基本思路：第一次DFS得出顶点的顺序，根据顶点顺序进行第二次DFS，也就是逆后序遍历（手动...
POJ 2186 Popular Cows——————(Kosaraju求强连通分量,缩点)
鸿杰 的博客
05-14 228
Popular Cows Time Limit: 2000MS Memory Limit: 65536K Total Submissions: 42216 Accepted: 17135 Description Every cow’s dream is to become the most popular cow in the herd. In a herd of N (1 <= N &...
强连通分量
Bing's Blog
11-21 2477
强连通分量@(算法学习)首先明白，这个概念是在有向图中的，其次是，如何有效寻找。图中强连通分量的个数是：4个。分析： 强连通分量的定义：有向图中，如果两个顶点vi,vjv_i,v_j之间存在： viv_i到vjv_j的路径 vjv_j到viv_i的路径 则称这两个顶点是强连通的。至于相对的弱连通，则抹去方向，相连即可。那么，道理很简单，如何应用呢？答案是先找回路，然后在回路的基础上，扩展结点。因为
强连通分量的三个求法
weixin_33972649的博客
12-02 247
这里主要谈及强连通分量（以下简称SCC，strongly connected component）三种常见的求法（以下涉及的图均为有向图），即Kosaraju、Tarjan和Gabow。三种算法背后的基础思想都是DFS，只是它们通过DFS获得了不同的信息。各位大哥大姐继续往下读之前，最好对DFS相关的概念和性质比较熟悉，例如，什么叫做&lt;a title="DFS" href="http://e...
Tarjan 算法思想求强连通分量及求割点模板（超详细图解）
harry12138小白的博客
11-09 818
割点定义 在一个无向图中，如果有一个顶点，删除这个顶点及其相关联的边后，图的连通分量增多，就称该点是割点，该点构成的集合就是割点集合。 若在图G中（如下图），删除uv这条边后，图的连通分量增多，则u和v点称为割点，uv这条边称为桥或割边。 显然，有割点的图不是哈密尔顿图。 ...
数据结构-图(大白话+图解图相关术语:连通分量，强连通分量，生成树，生成森林，极大连通子图，连通子图等 看目录)
Π指针
08-04 6778
本文介绍了 数据结构-图中相关的概念术语（大白话 + 图解） 强连通子图，连通子图 连通分量，强连通分量 图，完全图，网，生成树，生成森林 侧重于对是什么的说明
图论 —— 强连通分量
努力中的老周的专栏
02-18 908
如上图所示的一个有向图。我们可以将所有的边分为444种类型。树边（tree edge）：示意图中以黑色边表示，每次搜索找到一个还没有访问过的结点的时候就形成了一条树边。反祖边（back edge）：示意图中以红色边表示（即7→17 \to 17→1），也被叫做回边，即指向祖先结点的边。横叉边（cross edge）：示意图中以蓝色边表示（即9→79 \to 79→7），它主要是在搜索的时候遇到了一个已经访问过的结点，但是这个结点并不是当前结点的祖先。
有向图的强连通分量
arilx06604的专栏
12-07 142
对于有向图，在其每一个强连通分量中，任何两个顶点都是可达的。设V为G的顶点，与V可相互到达的所有顶点就是包涵V的强连通分量的所有顶点。 设从V可到达（以V为起点的所有有向路径的终点）的 顶点集合为T1（G）,二到达V（以V为终点的所有有向路径的起点）的顶点集合为T2(G)，则包含V的强连通分量的顶点集合是： 求有向图G的强连通分量的基本步骤是： （1）对G进行深度优先遍历...
zoj 3630(tajan)求强连通分量的个数
Weiguang_123的专栏
08-13 2088
#include #include #include #include #include #include #include using namespace std; const int nMax=300; const int mMax=9000005; int n,m; vectormp[nMax]; stackmystack; bool cmp(int a,i
强联通分量——tarjan算法
luogu_bling的博客
10-15 597
tarjan算法求强连通分量数量 一、概念： 1、强连通： 在一个有向图G里，设两个点a b发现，由a有一条路可以走到b，由b又有一条路可以走到a，我们就叫这两个顶点（a，b）强连通。 2、强连通图： 如果在一个有向图G中，每两个点都强连通，我们就叫这个图为强连通图。 3、强连通分量： 在一个有向图G中，有一个子图，这个子图每2个点都满足强连通，我们就叫这个子图叫做强连通分量 举个栗子： 在上图...
关于有向图的强连通分量
热门推荐
wuxinliulei的专栏
07-12 1万+
有向图的强连通分量 一个有向图中，如果节点i能够通过一些边到达节点j，就简写成i能到达j。如果对于任意两个节点i,j均有i能到达j或j能到达i，则说此图是连通的。如果对于任意两个节点i,j均有i能到达j且j能到达i，则说此图是强连通的。 对于一个无向图，说强联通没有意义，因为此时强连通就是连通。而对于一个有向图，它不一定是强连通的，但可以分为几个极大的强连通子图（“极大”的意思是再加入任何一个顶点
初探Tarjan算法（求强连通分量）
huangdanning的博客（.cpp）
08-23 5679
膜你抄（QWQ） “tarjan陪伴强联通分量 生成树完成后思路才闪光 欧拉跑过的七桥古塘 让你 心驰神往”----《膜你抄》 Tarjan是一种求强连通分量、双连通分量的常用算法，其拓展例如求缩点、割点、割桥以及2-SAT等都是非常实用的（tarjan orz） 所以大概写这篇博客的目的就是加以介绍一下这个算法，至于2-SAT什么的……咳咳，你说什么？我没听见┓( ´∀` )┏ 如果没...
求无向图的连通分量个数算法
09-27
### 回答1： 求无向图的连通分量个数可以使用深度优先搜索（DFS）或广度优先搜索（BFS）来实现。下面以DFS为例进行说明： 1. 初始化一个 visited 数组，用于记录每个顶点是否被访问过，初始值均为 false。 2. 从一个未被访问的顶点开始，进行 DFS 遍历。 3. 遍历过程中，对于每个未被访问的相邻顶点，设置 visited 为 true，并递归访问该相邻顶点。 4. 当遍历完一个连通分量时，连通分量个数加1。 5. 重复步骤2-4，直到所有顶点都被访问过。 下面是一个示例代码实现： ```python def count_connected_components(graph): n = len(graph) visited = [False] * n count = 0 for i in range(n): if not visited[i]: dfs(graph, visited, i) count += 1 return count def dfs(graph, visited, i): visited[i] = True for j in range(len(graph[i])): if graph[i][j] == 1 and not visited[j]: dfs(graph, visited, j) ``` 其中，graph 为邻接矩阵表示的无向图。时间复杂度为 O(V+E)，其中 V 和 E 分别为顶点数和边数。 ### 回答2： 求无向图的连通分量个数可以使用深度优先搜索（DFS）或者广度优先搜索（BFS）算法。 使用DFS算法： 1. 创建一个数组visited，用于记录每个节点是否被访问过，初始值为false。 2. 遍历图中的每个节点，若该节点未被访问过，则从该节点开始进行DFS遍历。 3. 在DFS过程中，对于当前访问的节点，将其visited数组中的对应位置标记为已访问。 4. 递归地遍历该节点的所有相邻未访问过的节点，标记为已访问。 5. 当递归结束后，说明该连通分量已经遍历完毕，记录该连通分量个数+1。 6. 返回连通分量个数。 使用BFS算法： 1. 创建一个队列queue，用于存储待访问的节点。 2. 创建一个数组visited，用于记录每个节点是否被访问过，初始值为false。 3. 遍历图中的每个节点，若该节点未被访问过，则将其加入队列中。 4. 当队列不为空时，取出队列的头节点，标记为已访问。 5. 遍历头节点的所有相邻未访问过的节点，将其加入队列中。 6. 重复执行步骤4和步骤5，直到队列为空。 7. 每当从队列中取出一个头节点，说明已经遍历到了一个连通分量的结束，记录该连通分量个数+1。 8. 返回连通分量个数。 以上两种算法都可以求解无向图的连通分量个数，具体选择哪种算法取决于实际需求和对算法复杂度的要求。 ### 回答3： 无向图的连通分量个数算法，主要可以通过深度优先搜索（DFS）或广度优先搜索（BFS）来实现。 使用DFS算法的步骤如下： 1. 初始化一个布尔型的数组visited，记录每个顶点是否被访问过，初始值都为false。 2. 遍历图中的每个顶点，对于未被访问过的顶点，调用DFS函数进行搜索。 3. 在DFS函数中，将当前顶点标记为已访问，并遍历与当前顶点相邻的所有顶点。 4. 对于未被访问过的相邻顶点，递归调用DFS函数。 5. 当所有与当前顶点相邻的顶点都被访问过后，回溯到上一步骤，继续遍历其他未被访问过的顶点。 6. 每调用一次DFS函数，就找到了一个连通分量。 7. 统计DFS函数调用的次数，即为连通分量的个数。 使用BFS算法的步骤如下： 1. 初始化一个布尔型的数组visited，记录每个顶点是否被访问过，初始值都为false。 2. 初始化一个队列，用于存储待访问的顶点。 3. 遍历图中的每个顶点，对于未被访问过的顶点，将其入队，并将其标记为已访问。 4. 当队列不为空时，取出队首顶点，并遍历其所有相邻顶点。 5. 对于未被访问过的相邻顶点，将其入队，并将其标记为已访问。 6. 当所有与当前顶点相邻的顶点都被访问过后，继续取出队列中的下一个顶点。 7. 每进行一次完整的BFS遍历，就找到了一个连通分量。 8. 统计BFS遍历的次数，即为连通分量的个数。 通过以上两种算法，就可以高效地求得无向图的连通分量个数。
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