强连通分量个数的求法(图解)

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(*) V(G)=mn+2p
其中,V(G)是有向图G中的环路数,m是图G中弧的个数,n是图G中的结点数,p是图G中的强连通分量个数。

因为一直习惯了用V=m-n+2的公式计算,所以刚看到(*)公式时有点反应不过来,算是自己学习上的一个盲点,所以把强连通分量个数的求法拿出来简要通俗地整理一下,供大家参考,如有理解错误的,欢迎指出^ v ^。

强连通分量(SCC)的求法:

在有向图G中,如果对于每一对vi、vj,vi≠vj,从vi到vj和从vj到vi都存在路径,则称G是强连通图。有向图中的极大强连通子图称做有向图的强连通分量

求强连通分量个数的前提,你需要先知道深度优先搜索(DFS),百度百科介绍得挺好的,不了解的可以先看一下。

了解了深度优先搜索(DFS)后,下面我们正式开始求强连通分量,为了更直观了解,我们将下图G作为例子进行讲解:
在这里插入图片描述

  1. 对G进行图的转置(对所有边转向),得到下图GT
    在这里插入图片描述

  2. 对GT进行DFS,并找出每个结点开始和结束的时间(T开始/T结束),从而根据结束时间从大到小排序得出相应的排序F。这里从结点1开始进行DFS:
    在这里插入图片描述
    由图可见,DFS遍历的顺序是135462,按结束时间从大到小排序可得序列F为213546

  3. 根据序列F对原图G进行DFS:
    在这里插入图片描述

遍历2,结点2自成一个强连通分量{2}
遍历1,结点1自成一个强连通分量{1}
遍历3,子图{3456}为一个强连通变量

也就是说这个强连通图G有三个强连通分量。

结尾

重新回到背景,2013年上半年软件设计师上午试题的第30题中,求的是程序图的环路复杂度,虽然程序总是连通的,但并不是强连通的。为了能够使用公式(*),采用从程序出口到入口添加一条用虚线(不计入m)表示的有向边,使程序图变成强连通图,此时程序图每个结点之间都互相连通,p=1。

  • 36
    点赞
  • 147
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 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: 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和对算法复杂度的要。 ### 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,就可以高效地得无向图的连通分量个数

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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