tarjan算法讲解。

 

全网最详细tarjan算法讲解,我不敢说别的。反正其他tarjan算法讲解,我看了半天才看懂。我写的这个,读完一遍,发现原来tarjan这么简单!

tarjan算法,一个关于 图的联通性的神奇算法。基于DFS(迪法师)算法,深度优先搜索一张有向图。!注意!是有向图。根据树,堆栈,打标记等种种神(che)奇(dan)方法来完成剖析一个图的工作。而图的联通性,就是任督二脉通不通。。的问题。
了解tarjan算法之前你需要知道:
强连通,强连通图,强连通分量,解答树(解答树只是一种形式。了解即可)
不知道怎么办!!!

神奇海螺~:嘟噜噜~!
强连通(strongly connected): 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。

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,强连通图。

强连通分量strongly connected components):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 [分量::把一个向量分解成几个方向的向量的和,那些方向上的向量就叫做该向量(未分解前的向量)的分量]
举个简单的栗子:

比如说这个图,在这个图中呢,点1与点2互相都有路径到达对方,所以它们强连通.

而在这个有向图中,点1 2 3组成的这个子图,是整个有向图中的强连通分量。

解答树:就是一个可以来表达出递归枚举的方式的树(图),其实也可以说是递归图。。反正都是一个作用,一个展示从“什么都没有做”开始到“所有结求出来”逐步完成的过程。“过程!”

神奇海螺结束!!!

tarjan算法,之所以用DFS就是因为它将每一个强连通分量作为搜索树上的一个子树。而这个图,就是一个完整的搜索树。
为了使这颗搜索树在遇到强连通分量的节点的时候能顺利进行。每个点都有两个参数。
1,DFN[]作为这个点搜索的次序编号(时间戳),简单来说就是 第几个被搜索到的。%每个点的时间戳都不一样%。
2,LOW[]作为每个点在这颗树中的,最小的子树的根,每次保证最小,like它的父亲结点的时间戳这种感觉。如果它自己的LOW[]最小,那这个点就应该从新分配,变成这个强连通分量子树的根节点。
ps:每次找到一个新点,这个点LOW[]=DFN[]。

而为了存储整个强连通分量,这里挑选的容器是,堆栈。每次一个新节点出现,就进站,如果这个点有 出度 就继续往下找。直到找到底,每次返回上来都看一看子节点与这个节点的LOW值,谁小就取谁,保证最小的子树根。如果找到DFN[]==LOW[]就说明这个节点是这个强连通分量的根节点(毕竟这个LOW[]值是这个强连通分量里最小的。)最后找到强连通分量的节点后,就将这个栈里,比此节点后进来的节点全部出栈,它们就组成一个全新的强连通分量。

先来一段伪代码压压惊:

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u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 vuntil (u== v)
}

  

首先来一张有向图。网上到处都是这个图。我们就一点一点来模拟整个算法。

从1进入 DFN[1]=LOW[1]= ++index ----1
入栈 1
由1进入2 DFN[2]=LOW[2]= ++index ----2
入栈 1 2
之后由2进入3 DFN[3]=LOW[3]= ++index ----3
入栈 1 2 3
之后由3进入 6 DFN[6]=LOW[6]=++index ----4
入栈 1 2 3 6

之后发现 嗯? 6无出度,之后判断 DFN[6]==LOW[6]
说明6是个强连通分量的根节点:6及6以后的点 出栈。
栈: 1 2 3 
之后退回 节点3 Low[3] = min(Low[3], Low[6]) LOW[3]还是 3
节点3 也没有再能延伸的边了,判断 DFN[3]==LOW[3]
说明3是个强连通分量的根节点:3及3以后的点 出栈。
栈: 1 2 
之后退回 节点2 嗯?!往下到节点5
DFN[5]=LOW[5]= ++index -----5
入栈 1 2 5

ps:你会发现在有向图旁边的那个丑的(划掉)搜索树 用红线剪掉的子树,那个就是强连通分量子树。每次找到一个。直接。一剪子下去。半个子树就没有了。。

结点5 往下找,发现节点6 DFN[6]有值,被访问过。就不管它。
继续 5往下找,找到了节点1 他爸爸的爸爸。。DFN[1]被访问过并且还在栈中,说明1还在这个强连通分量中,值得发现。 Low[5] = min(Low[5], DFN[1]) 
确定关系,在这棵强连通分量树中,5节点要比1节点出现的晚。所以5是1的子节点。so
LOW[5]= 1

由5继续回到2 Low[2] = min(Low[2], Low[5])
LOW[2]=1;
由2继续回到1 判断 Low[1] = min(Low[1], Low[2]) 
LOW[1]还是 1
1还有边没有走过。发现节点4,访问节点4
DFN[4]=LOW[4]=++index ----6
入栈 1 2 5 4 
由节点4,走到5,发现5被访问过了,5还在栈里,
Low[4] = min(Low[4], DFN[5]) LOW[4]=5
说明4是5的一个子节点。

由4回到1.

回到1,判断 Low[1] = min(Low[1], Low[4])
LOW[1]还是 1 。

判断 LOW[1] == DFN[1] 
诶?!相等了    说明以1为根节点的强连通分量已经找完了。
将栈中1以及1之后进栈的所有点,都出栈。
栈 :(鬼都没有了)

这个时候就完了吗?!

你以为就完了吗?!

然而并没有完,万一你只走了一遍tarjan整个图没有找完怎么办呢?!

所以。tarjan的调用最好在循环里解决。

like    如果这个点没有被访问过,那么就从这个点开始tarjan一遍。

因为这样好让每个点都被访问到。

来一道裸代码。
输入:
一个图有向图。
输出:
它每个强连通分量。

这个图就是刚才讲的那个图。一模一样。

input:

6 8

1 3

1 2

2 4

3 4

3 5

4 6

4 1

5 6

output:

6

5

3 4 2 1

#include
#include
#include
using namespace std;
struct node {int v,next;
}edge[1001];
int DFN[1001],LOW[1001];
int stack[1001],heads[1001],visit[1001],cnt,tot,index;
void add(int x,int y)
{edge[++cnt].next=heads[x];edge[cnt].v = y;heads[x]=cnt;return ;
}
void tarjan(int x)//代表第几个点在处理。递归的是点。
{DFN[x]=LOW[x]=++tot;// 新进点的初始化。stack[++index]=x;//进站visit[x]=1;//表示在栈里for(int i=heads[x];i!=-1;i=edge[i].next){if(!DFN[edge[i].v]) {//如果没访问过tarjan(edge[i].v);//往下进行延伸,开始递归LOW[x]=min(LOW[x],LOW[edge[i].v]);//递归出来,比较谁是谁的儿子/父亲,就是树的对应关系,涉及到强连通分量子树最小根的事情。}else if(visit[edge[i].v ]){  //如果访问过,并且还在栈里。LOW[x]=min(LOW[x],DFN[edge[i].v]);//比较谁是谁的儿子/父亲。就是链接对应关系}}if(LOW[x]==DFN[x]) //发现是整个强连通分量子树里的最小根。{do{printf("%d ",stack[index]);visit[stack[index]]=0;index--;}while(x!=stack[index+1]);//出栈,并且输出。printf("\n");}return ;
}
int main()
{memset(heads,-1,sizeof(heads));int n,m;scanf("%d%d",&n,&m);int x,y;for(int i=1;i<=m;i++){scanf("%d%d",&x,&y);add(x,y);}for(int i=1;i<=n;i++)if(!DFN[i])  tarjan(1);//当这个点没有访问过,就从此点开始。防止图没走完return 0;
}

  

处理SCC(强连通分量问题)的Tarjan算法

Posted 2010年11月9日 by comzyh

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.

如图所示,蓝色框圈起来的是一个强连通分量

通俗的说法是:从图G内任意一个点出发,存在通向图G内任意一点的的一条路径.

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,SCC).

求图强连通分量的意义是:由于强连通分量内部的节点性质相同,可以将一个强连通分量内的节点缩成一个点,即消除了环,这样,原图就变成了一个有向无环图(directed acyclic graph,DAG).显然对于一个无向图,求强连通分量没有什么意义,联通即为强连通.

求强连通分量比较高效的算法是SCC Tarjan算法,BYV牛有一个很好的说明,推荐大家看一看:有向图强连通分量的Tarjan算法« Beyond the Void,我在这里就不照搬了.

Tarjan 算法基本基于DFS,时间复杂度就是遍历图一遍,为Θ(N),Tarjan 貌似很喜欢深搜的样子,LCA被深搜活生生的弄成了Θ(N),SCC 看来一样,Tarjan 一出现,时间复杂度果然降了一个数量级.

先看BYV牛的CODE,写的真不错,虽然第一遍我没看懂,不过相信加了注释后会好理解多,如果有错误,别打我.

void tarjan(int i)//Tarjan
{int j;DFN[i]=LOW[i]=++Dindex;//Index 时间戳instack[i]=true;//标记入栈Stap[++Stop]=i;//入栈for (edge *e=V[i];e;e=e->next)//枚举所有相连边{j=e->t;//临时变量if (!DFN[j])//j没有被搜索过{tarjan(j);//递归搜索jif (LOW[j]<LOW[i])//回溯中发现j找到了更老的时间戳LOW[i]=LOW[j];//更新能达到老时间戳}else if (instack[j] && DFN[j]<LOW[i])//如果已经印有时间戳 且 时间戳比较小,则有环 LOW[i]=DFN[j];//当前记录可追溯时间戳更新}if (DFN[i]==LOW[i])//可追溯最老是自己,表明自己是当前强连通分量的栈底{Bcnt++;//强连通分量数增加do{j=Stap[Stop--];//出栈顶元素instack[j]=false;//标记出栈Belong[j]=Bcnt;//记录j所在的强连通分量编号}while (j!=i);//如果是当前元素,弹栈完成}
}
void solve()
{int i;Stop=Bcnt=Dindex=0;memset(DFN,0,sizeof(DFN));//标记为为搜索过for (i=1;i<=N;i++)if (!DFN[i])tarjan(i);
}

  

SCC Tarjan算法的基本框架:

  • 遍历一个点,指定一个唯一时间戳DFN[i];指定该点向前追溯可追溯到的最老时间戳LOW[i].
  • 枚举当前点所有边,若DFN[j]=0表明未被搜索过,递归搜索之.
  • 若DFN[j]不为0,则j被搜索过,这时判断j是否在栈中,且j的时间戳DFN[j]小于当前时间戳DFN[i],可判定成环.将LOW[i]设定为DFN[j]
  • 若这个点LOW[i]和DFN[i]相等,说明这个节点是所有强连通分量的元素中在栈中最早的节点.
  • 弹栈,将这个强连通分量全部弹出,缩成点.

这里解释下比较晦涩的两个词:

LOW[i],这个向前追溯可追溯到的最老时间戳 的意思是根据有向图的方向遍历,在有环的情况下,向前追溯可以达到较早的点.在每次递归调用Tarjan(j)后我们可以高速较快的更新LOW[i]

至于所有强连通分量的元素中在栈中最早的节点.是这样的,所有自成强连通分量的节点或子图,在本次弹栈前都已经弹出去了,这时栈里所元素的LOW都大于等于DFN[该强连通分量的最早遍历节点],栈顶元素一定比下面元素的时间戳要大

在遍历完所有相关边之后再验证(DFN[i]==LOW[i]),可以避免有漏判情况,这时,当前节点的子节点已经将LOW更新的很优了,不存在一个强连通分量被包含在一个强连通分量里的情况.

学习SCC Tarjan算法有两道测验题:

POJ 2186 Popular Cows

POJ 1236 Network of Schools
参见Comzyh这两道强连通分量的题解

原创文章,转载请注明(最好把图片带走): 转载自Comzyh的博客

本文链接地址: 处理SCC(强连通分量问题)的Tarjan算法

转载于:https://www.cnblogs.com/widerg/p/7045433.html

tarjan算法讲解。相关推荐

  1. [转]全网最!详!细!tarjan算法讲解

    转发地址:https://blog.csdn.net/qq_34374664/article/details/77488976 原版的地址好像挂了..... 看到别人总结的很好,自己就偷个懒吧..以下 ...

  2. tarjan算法讲解

    时隔好久回来复习tarjan算法,又看了许多网上的文章,在此再给一篇觉得不错的文章:mengxiang000 全网最详细tarjan算法讲解,我不敢说别的.反正其他tarjan算法讲解,我看了半天才看 ...

  3. byvoid 神牛的tarjan算法讲解!

    [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 ...

  4. 【原创】tarjan算法初步(强连通子图缩点)

    [原创]tarjan算法初步(强连通子图缩点) tarjan算法的思路不是一般的绕!!(不过既然是求强连通子图这样的回路也就可以稍微原谅了..) 但是研究tarjan之前总得知道强连通分量是什么吧.. ...

  5. Tarjan算法流程和简要证明

    声明: 一下许多内容摘自: 北京大学暑期课<ACM/ICPC竞赛训练>强连通分支.桥和割点 北京大学信息学院 郭炜 不建议初学者直接看这篇博文 可以先了解一下Tarjan算法的具体流程,再 ...

  6. 直观地简单理解Tarjan算法(寻找有向图中的强连通图)

    简单理解Tarjan算法   按照百度百科的播报应该是读成['ta:rdʒən]?看过了几篇网络上的解释虽然都讲得比较具体但刚开始都难以理解,所以打算写一个更直观的理解方式.   Tarjan算法是求 ...

  7. tarjan算法 割点割边强联通 算法讲解模板 自用整理

    很早就学过tarjan算法(割点割边与强联通)了,但是因为久不用老是忘,也有收藏过几篇不错的博客,但是每次需要时都要翻出那几篇太麻烦了,所以自己开篇记录方便自己的复习.图片和部分文字来源自其他博客,文 ...

  8. 强连通基础与例题(Kosaraju算法与Tarjan算法)

    目录 Kosaraju算法 Tarjan算法 例题 A:HDU-1269 迷宫城堡 B:HDU-2767 Proving Equivalences C:HDU-1827 Summer Holiday ...

  9. 双连通图强连通图概念解释以及tarjan算法求解该类问题总结

    最近看了看类的相关题,感觉简单的题过于模板,但是对于难题的转化,如果对与这方面的概念不清楚,很难写,故总结一下. PS:博客里部分内容会和离散数学中的图论知识有联系,如果没有了解过相关知识可能比较难理 ...

最新文章

  1. 关于顺序栈的基本操作
  2. vs.net设计器里加载派生窗口类时要执行父窗口的Form_Load方法
  3. pytorch 之 分开安装 torch 和 torchvision
  4. XManager 远程连接Netbackup图形用户界面
  5. jzoj1751-Span(每日C组)【并查集,贪心】
  6. java POI 写入百万数据到 excel
  7. Leetcode--90. 子集Ⅱ
  8. Pytorch还是TensorFlow?顶会带你览趋势
  9. 对运算符重载的函数2
  10. LeetCode 230二叉搜索树中第k小的元素
  11. 泰凌微TLSR8258烧录
  12. python模拟银行取号叫号系统
  13. CCS软件仿真 手把手教你 CCS 软件仿真 TMS320F2812
  14. 新春蓝牙耳机怎么选?五年发烧友吐血盘点,高性能蓝牙耳机推荐
  15. 国内学生该怎么学好A-Level数学?
  16. android自定义3d饼图,Android使用j4lChartAndroid插件绘制3D饼图
  17. MATLAB仿真短路计算,基于MATLAB短路电流计算与仿真.doc
  18. mysql where 加引号和不加引号
  19. 如何画架构图之C4方法
  20. 听书笔记:《勇敢去敲老板的门》

热门文章

  1. 西北大学第四届程序设计竞赛新生赛 J 八意永琳的药房
  2. oracle.-904,ORACLE 11G ORA-904 while running select query(BUG)
  3. 基于标签的蛋白质定量技术-iTRAQ,TMT
  4. rtems总体设计思路
  5. 取消UL和OL符号以及padding和margin后恢复默认值的CSS
  6. java过滤_java 过滤list的几种方式
  7. DELPHI窗体属性介绍
  8. python生存分析入门
  9. 护理学跨考计算机专业,什么是跨专业考研?
  10. java实现图片分辨率压缩、图片软化、jpg质量压缩