有向图强连通分量Tarjan

最新推荐文章于 2024-07-24 22:13:06 发布

wgxlovezl

最新推荐文章于 2024-07-24 22:13:06 发布

阅读量521

点赞数

分类专栏： [待学习] 文章标签：算法 vector components network struct system

[待学习] 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

[有向图强连通分量]

在有向图G中，如果两个顶点间至少存在一条路径，称两个顶点强连通(strongly connected)。如果有向图G的每两个顶点都强连通，称G是一个强连通图。非强连通图有向图的极大强连通子图，称为强连通分量(strongly connected components)。

下图中，子图{1,2,3,4}为一个强连通分量，因为顶点1,2,3,4两两可达。{5},{6}也分别是两个强连通分量。

直接根据定义，用双向遍历取交集的方法求强连通分量，时间复杂度为O(N^2+M)。更好的方法是Kosaraju算法或Tarjan算法，两者的时间复杂度都是O(N+M)。本文介绍的是Tarjan算法。

[Tarjan算法]

Tarjan算法是基于对图深度优先搜索的算法，每个强连通分量为搜索树中的一棵子树。搜索时，把当前搜索树中未处理的节点加入一个堆栈，回溯时可以判断栈顶到栈中的节点是否为一个强连通分量。

定义DFN(u)为节点u搜索的次序编号(时间戳)，Low(u)为u或u的子树能够追溯到的最早的栈中节点的次序号。由定义可以得出，

^?[Copy to clipboard] View Code CPP

Low(u)=Min
{
    DFN(u),
    Low(v),(u,v)为树枝边，u为v的父节点
    DFN(v),(u,v)为指向栈中节点的后向边(非横叉边)
}

当DFN(u)=Low(u)时，以u为根的搜索子树上所有节点是一个强连通分量。

算法伪代码如下

^?[Copy to clipboard] View Code CPP

tarjan(u)
{
	DFN[u]=Low[u]=++Index                      // 为节点u设定次序编号和Low初值
	Stack.push(u)                              // 将节点u压入栈中
	for each (u, v) in E                       // 枚举每一条边
		if (v is not visted)               // 如果节点v未被访问过
			tarjan(v)                  // 继续向下找
			Low[u] = min(Low[u], Low[v])
		else if (v in S)                   // 如果节点v还在栈内
			Low[u] = min(Low[u], DFN[v])
	if (DFN[u] == Low[u])                      // 如果节点u是强连通分量的根
		repeat
			v = S.pop                  // 将v退栈，为该强连通分量中一个顶点
			print v
		until (u== v)
}

接下来是对算法流程的演示。

从节点1开始DFS，把遍历到的节点加入栈中。搜索到节点u=6时，DFN[6]=LOW[6]，找到了一个强连通分量。退栈到u=v为止，{6}为一个强连通分量。

返回节点5，发现DFN[5]=LOW[5]，退栈后{5}为一个强连通分量。

返回节点3，继续搜索到节点4，把4加入堆栈。发现节点4向节点1有后向边，节点1还在栈中，所以LOW[4]=1。节点6已经出栈，(4,6)是横叉边，返回3，(3,4)为树枝边，所以LOW[3]=LOW[4]=1。

继续回到节点1，最后访问节点2。访问边(2,4)，4还在栈中，所以LOW[2]=DFN[4]=5。返回1后，发现DFN[1]=LOW[1]，把栈中节点全部取出，组成一个连通分量{1,3,4,2}。

至此，算法结束。经过该算法，求出了图中全部的三个强连通分量{1,3,4,2},{5},{6}。

可以发现，运行Tarjan算法的过程中，每个顶点都被访问了一次，且只进出了一次堆栈，每条边也只被访问了一次，所以该算法的时间复杂度为O(N+M)。

求有向图的强连通分量还有一个强有力的算法，为Kosaraju算法。Kosaraju是基于对有向图及其逆图两次DFS的方法，其时间复杂度也是O(N+M)。与Trajan算法相比，Kosaraju算法可能会稍微更直观一些。但是Tarjan只用对原图进行一次DFS，不用建立逆图，更简洁。在实际的测试中，Tarjan算法的运行效率也比Kosaraju算法高30%左右。此外，该Tarjan算法与求无向图的双连通分量(割点、桥)的Tarjan算法也有着很深的联系。学习该Tarjan算法，也有助于深入理解求双连通分量的Tarjan算法，两者可以类比、组合理解。

求有向图的强连通分量的Tarjan算法是以其发明者Robert Tarjan命名的。Robert Tarjan还发明了求双连通分量的Tarjan算法，以及求最近公共祖先的离线Tarjan算法，在此对Tarjan表示崇高的敬意。

附：tarjan算法的C++程序

^?[Copy to clipboard] View Code CPP

void tarjan(int i)
{
	int j;
	DFN[i]=LOW[i]=++Dindex;
	instack[i]=true;
	Stap[++Stop]=i;
	for (edge *e=V[i];e;e=e->next)
	{
		j=e->t;
		if (!DFN[j])
		{
			tarjan(j);
			if (LOW[j]<LOW[i])
				LOW[i]=LOW[j];
		}
		else if (instack[j] && DFN[j]<LOW[i])
			LOW[i]=DFN[j];
	}
	if (DFN[i]==LOW[i])
	{
		Bcnt++;
		do
		{
			j=Stap[Stop--];
			instack[j]=false;
			Belong[j]=Bcnt;
		}
		while (j!=i);
	}
}
void solve()
{
	int i;
	Stop=Bcnt=Dindex=0;
	memset(DFN,0,sizeof(DFN));
	for (i=1;i<=N;i++)
		if (!DFN[i])
			tarjan(i);
}

有向图的强连通

强连通缩点
其法有三:Kosaraju,Trajan,Gabow
Kosaraju时间稍慢，需要建反边+两次dfs，但是第二次dfs的时候就可以顺便把新图建出来
Gabow算法两个栈比较恶心，效率最高，比Trajan少了一些更新low数组的过程
三者代码量相差无几，60上下
个人感觉还是Trajan最实用，而且low的计算和割边割点还有联系

我觉得HDU2767这题可以来试强连通分量模板
题目大意是给你一个有向图，问你至少加几条边让整个图变成强连通
解法：缩点后统计没有出度的和没有入度的点个个数，两者取最大值

同时推荐byvoid的网站
BYV大牛的tarjan算法介绍，写的非常详细

Kosaraju缩点模板，328MS

^?[Copy to clipboard] View Code CPP

#define M 20001
vector <int> edge[M];//原图的边
vector <int> opp[M];//反图的边
vector <int> now[M];//新图的边
int hash[M];//用来hash新图的重边
bool vis[M];//有无访问过该点
int post[M];//时间戳对应的点
int idx[M];//点在新图的ID
int n;//原图大小
int nn;//新图大小
int timestamp;//时间戳
 
void dfs(int u) {//第一个dfs确定时间戳
	vis[u] = true;
	FF(i,SZ(edge[u])) {
		if(vis[ edge[u][i] ])	continue;
		dfs(edge[u][i]);
	}
	post[timestamp++] = u;
}
 
void dfs2(int u) {//第二个反边dfs确定连通块
	vis[u] = true;
	idx[u] = nn;
	FF(i,SZ(opp[u])) {
		int &v = opp[u][i];
		if(vis[v]) {
			if(idx[v] != nn && hash[nn] != idx[v]) {
				hash[nn] = idx[v];//注意hash掉重复的边
				now[idx[v]].push_back(nn);
			}
		} else {
			dfs2(v);
		}
	}
}
void Kosaraju() {
	CC(vis,false);
	timestamp = 0;
	FF(i,n) {
		if(vis[i])	continue;
		dfs(i);
	}
	CC(vis,false);
	CC(hash,-1);
	nn = 0;
	FFD(i,n) {//按时间戳从大到小搜
		if(vis[post[i]])	continue;
		now[nn].clear();
		dfs2(post[i]);
		nn ++;
	}
}

Tarjan缩点模板，234MS

^?[Copy to clipboard] View Code CPP

#define M 20001
vector <int> edge[M];//原图的边
vector <int> now[M];//新图的边
int hash[M];//用来hash新图的重边
bool vis[M];//有无访问过该点
int pre[M],Index;//访问顺序
int low[M];//能追溯到的最早的次序
int idx[M];//点在新图的ID
int ss[M],top;//放节点的栈
bool InStack[M];//元素是不是在栈里
int n;//原图大小
int nn;//新图大小
 
void dfs(int u) {
	vis[u] = true;
	pre[u] = low[u] = Index ++;
	InStack[u] = true;
	ss[++top] = u;
	FF(i,SZ(edge[u])) {
		int v = edge[u][i];
		if(!vis[v]) {
			dfs(v);
			checkmin(low[u] , low[v]);
		} else if(InStack[v]) {
			checkmin(low[u] , pre[v]);
		}
	}
	if(pre[u] == low[u]) {
		int v = -1;
		while(u != v) {
			v = ss[top--];
			InStack[v] = false;
			idx[v] = nn;
		}
		now[nn++].clear();
	}
}
 
void Trajan() {
	CC(vis,false);
	Index = 0;
	top = 0;
	nn = 0;
	FF(i,n) {
		if(vis[i])	continue;
		dfs(i);
	}
	CC(hash,-1);
	FF(i,n) {
		FF(j,SZ(edge[i])) {
			int v = edge[i][j];
			if(idx[i] != idx[v] && hash[idx[i]] != idx[v]) {
				hash[idx[i]] = idx[v];
				now[idx[i]].push_back(idx[v]);
			}
		}
	}
}

Gabow缩点模板，234MS

^?[Copy to clipboard] View Code CPP

#define M 20001
vector <int> edge[M];//原图的边
vector <int> now[M];//新图的边
int hash[M];//用来hash新图的重边
bool vis[M];//有无访问过该点
int pre[M],Index;//访问顺序
int idx[M];//点在新图的ID
int ss[M],top;//放节点的栈
bool InStack[M];//元素是不是在栈里
int ss2[M],top2;//放最早遍历的节点（根）
int n;//原图大小
int nn;//新图大小
 
void dfs(int u) {
	vis[u] = true;
	pre[u] = Index ++;
	InStack[u] = true;
	ss[++top] = u;
	ss2[++top2] = u;
	FF(i,SZ(edge[u])) {
		int v = edge[u][i];
		if(!vis[v]) {
			dfs(v);
		} else if(InStack[v]) {
			while(pre[ss2[top2]] &gt; pre[v]) {
				top2 --;
			}
		}
	}
	if(ss2[top2] == u) {
		top2 --;
		int v = -1;
		while(u != v) {
			v = ss[top--];
			InStack[v] = false;
			idx[v] = nn;
		}
		now[nn++].clear();
	}
}
 
void Gabow() {
	CC(vis,false);
	Index = 0;
	top = 0;
	top2 = 0;
	nn = 0;
	FF(i,n) {
		if(vis[i])    continue;
		dfs(i);
	}
	CC(hash,-1);
	FF(i,n) {
		FF(j,SZ(edge[i])) {
			int v = edge[i][j];
			if(idx[i] != idx[v] && hash[idx[i]] != idx[v]) {
				hash[idx[i]] = idx[v];
				now[idx[i]].push_back(idx[v]);
			}
		}
	}
}

Trajan和Gabow其实可以省略vis和InStack数组,分别用pre和idx代替
省略后的终极模板

静态邻接表Trajan,125MS

^?[Copy to clipboard] View Code CPP

#define M 50001
struct Node{
	int v,next;
}edge[200001];
int now[M],init[M];
int pre[M],Index;
int low[M],idx[M],hash[M];
int ss[M],top;
int n , nn , len;
 
void dfs(int u) {
	pre[u] = low[u] = Index ++;
	ss[++top] = u;
	for(int i = init[u] ; i != -1 ; i = edge[i].next) {
		int v = edge[i].v;
		if(pre[v] == -1) {
			dfs(v);
			checkmin(low[u],low[v]);
		} else if(idx[v] == -1) {
			checkmin(low[u],pre[v]);
		}
	}
	if(pre[u] == low[u]) {
		int v = -1;
		while(u != v) {
			v = ss[top--];
			idx[v] = nn;
		}
		now[nn++] = -1;
	}
}
 
void Trajan() {
	memset(pre,-1,sizeof(int)*(n+1));
	memset(idx,-1,sizeof(int)*(n+1));
	Index = top = nn = 0;
	FF(i,n) if(pre[i] == -1) {
		dfs(i);
	}
	memset(hash,-1,sizeof(int)*(n+1));
	FF(u,n) {
		for(int i = init[u] ; i != -1 ; i = edge[i].next) {
			int v = edge[i].v;
			if(idx[u] != idx[v] && hash[idx[u]] != idx[v]) {
				hash[idx[u]] = idx[v];
				edge[len].next = now[ idx[u] ];
				edge[len].v = idx[v];
				now[ idx[u] ] = len++;
			}
		}
	}
}

vector Gabow，218MS

^?[Copy to clipboard] View Code CPP

#define M 20001
vector <int> edge[M];//原图的边
vector <int> now[M];//新图的边
int hash[M];//用来hash新图的重边
bool vis[M];//有无访问过该点
int pre[M],Index;//访问顺序
int idx[M];//点在新图的ID
int ss[M],top;//放节点的栈
bool InStack[M];//元素是不是在栈里
int ss2[M],top2;//放最早遍历的节点（根）
int n;//原图大小
int nn;//新图大小
 
void dfs(int u) {
	pre[u] = Index ++;
	ss[++top] = u;
	ss2[++top2] = u;
	FF(i,SZ(edge[u])) {
		int v = edge[u][i];
		if(pre[v] == -1) {
			dfs(v);
		} else if(idx[v] == -1) {//表示还在栈里边
			while(pre[ss2[top2]] &gt; pre[v]) {
				top2 --;
			}
		}
	}
	if(ss2[top2] == u) {
		top2 --;
		int v = -1;
		while(u != v) {
			v = ss[top--];
			idx[v] = nn;
		}
		now[nn++].clear();
	}
}
 
void Gabow() {
	CC(idx,-1);//代替vis，因为每遍历一个节点都会
	CC(pre,-1);
	Index = top = top2 = nn = 0;
	FF(i,n) {
		if(pre[i] != -1)    continue;
		dfs(i);
	}
	CC(hash,-1);
	FF(u,n) FF(i,SZ(edge[u])) {
		int v = edge[u][i];
		if(idx[u] != idx[v] && hash[idx[u]] != idx[v]) {
			hash[idx[u]] = idx[v];
			now[idx[u]].push_back(idx[v]);
		}
	}
}

最后改用静态表，直接彪到125MS，感叹vector好慢啊。。。

下边是用到缩点的题,没有特意去找,做到后更新

FZU1719 Spy Network
缩点后的价值取环内最小的价值,然后把入度为0的间谍全部买下来是去省钱的方式,如果不能买就输出NO
hdu3072 Intelligence System
缩点后找[u->v]价值最小的cost记录下来,然后答案就是cost[v]总和(除根节点)

wgxlovezl

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
有向图强连通分量Tarjan

[有向图强连通分量]在有向图G中，如果两个顶点间至少存在一条路径，称两个顶点强连通(strongly connected)。如果有向图G的每两个顶点都强连通，称G是一个强连通图。非强连通图有向图的极大强连通子图，称为强连通分量(strongly connected components)。下图中，子图{1,2,3,4}为一个强连通分量，因为顶点1,2,3,4两两可达。{5},{6}也分别是
复制链接

扫一扫