给定一个有向图 G = (V, E) ,对于任意一对顶点 u 和 v,有 u --> v 和 v --> u,亦即,顶点 u 和 v 是互相可达的,则说明该图 G 是强连通的(Strongly Connected)。如下图中,任意两个顶点都是互相可达的。
对于无向图,判断图是否是强连通的,可以直接使用深度优先搜索(DFS)或广度优先搜索(BFS),从任意一个顶点出发,如果遍历的结果包含所有的顶点,则说明图是强连通的。
而对于有向图,则不能使用 DFS 或 BFS 进行直接遍历来判断。如下图中,如果从顶点 0 开始遍历则可判断是强连通的,而如果从其它顶点开始遍历则无法抵达所有节点。
那么,该如何判断有向图的强连通性呢?
实际上,解决该问题的较好的方式就是使用强连通分支算法(SCC:Strongly Connected Components),可以在 O(V+E) 时间内找到所有的 SCC。如果 SCC 的数量是 1,则说明整个图是强连通的。
有向图 G = (V, E) 的一个强连通分支是一个最大的顶点集合 C,C 是 V 的子集,对于 C 中的每一对顶点 u 和 v,有 u --> v 和 v --> u,亦即,顶点 u 和 v 是互相可达的。
实现 SCC 的一种算法就是 Kosaraju 算法。Kosaraju 算法基于深度优先搜索(DFS),并对图进行两次 DFS 遍历,算法步骤如下:
初始化设置所有的顶点为未访问的;
从任意顶点 v 开始进行 DFS 遍历,如果遍历结果没有访问到所有顶点,则说明图不是强连通的;
置换整个图(Reverse Graph);
设置置换后的图中的所有顶点为未访问过的;
从与步骤 2 中相同的顶点 v 开始做 DFS 遍历,如果遍历没有访问到所有顶点,则说明图不是强连通的,否则说明图是强连通的。
Kosaraju 算法的思想就是,如果从顶点 v 可以抵达所有顶点,并且所有顶点都可以抵达 v,则说明图是强连通的。
1 using System; 2 using System.Collections.Generic; 3 using System.Linq; 4 5 namespace GraphAlgorithmTesting 6 { 7 class Program 8 { 9 static void Main(string[] args) 10 { 11 Graph g = new Graph(5); 12 g.AddEdge(0, 1, 11); 13 g.AddEdge(1, 2, 13); 14 g.AddEdge(2, 3, 10); 15 g.AddEdge(3, 0, 12); 16 g.AddEdge(2, 4, 4); 17 g.AddEdge(4, 2, 14); 18 19 Console.WriteLine(); 20 Console.WriteLine("Graph Vertex Count : {0}", g.VertexCount); 21 Console.WriteLine("Graph Edge Count : {0}", g.EdgeCount); 22 Console.WriteLine(); 23 24 Console.WriteLine("Is graph strongly connected: {0}", g.Kosaraju()); 25 26 Console.ReadKey(); 27 } 28 29 class Edge 30 { 31 public Edge(int begin, int end, int weight) 32 { 33 this.Begin = begin; 34 this.End = end; 35 this.Weight = weight; 36 } 37 38 public int Begin { get; private set; } 39 public int End { get; private set; } 40 public int Weight { get; private set; } 41 42 public override string ToString() 43 { 44 return string.Format( 45 "Begin[{0}], End[{1}], Weight[{2}]", 46 Begin, End, Weight); 47 } 48 } 49 50 class Graph 51 { 52 private Dictionary<int, List<Edge>> _adjacentEdges 53 = new Dictionary<int, List<Edge>>(); 54 55 public Graph(int vertexCount) 56 { 57 this.VertexCount = vertexCount; 58 } 59 60 public int VertexCount { get; private set; } 61 62 public IEnumerable<int> Vertices { get { return _adjacentEdges.Keys; } } 63 64 public IEnumerable<Edge> Edges 65 { 66 get { return _adjacentEdges.Values.SelectMany(e => e); } 67 } 68 69 public int EdgeCount { get { return this.Edges.Count(); } } 70 71 public void AddEdge(int begin, int end, int weight) 72 { 73 if (!_adjacentEdges.ContainsKey(begin)) 74 { 75 var edges = new List<Edge>(); 76 _adjacentEdges.Add(begin, edges); 77 } 78 79 _adjacentEdges[begin].Add(new Edge(begin, end, weight)); 80 } 81 82 public bool Kosaraju() 83 { 84 // Step 1: Mark all the vertices as not visited (For first DFS) 85 bool[] visited = new bool[VertexCount]; 86 for (int i = 0; i < visited.Length; i++) 87 visited[i] = false; 88 89 // Step 2: Do DFS traversal starting from first vertex. 90 DFS(0, visited); 91 92 // If DFS traversal doesn’t visit all vertices, then return false. 93 for (int i = 0; i < VertexCount; i++) 94 if (visited[i] == false) 95 return false; 96 97 // Step 3: Create a reversed graph 98 Graph reversedGraph = Transpose(); 99 100 // Step 4: Mark all the vertices as not visited (For second DFS) 101 for (int i = 0; i < visited.Length; i++) 102 visited[i] = false; 103 104 // Step 5: Do DFS for reversed graph starting from first vertex. 105 // Staring Vertex must be same starting point of first DFS 106 reversedGraph.DFS(0, visited); 107 108 // If all vertices are not visited in second DFS, then 109 // return false 110 for (int i = 0; i < VertexCount; i++) 111 if (visited[i] == false) 112 return false; 113 114 return true; 115 } 116 117 void DFS(int v, bool[] visited) 118 { 119 visited[v] = true; 120 121 if (_adjacentEdges.ContainsKey(v)) 122 { 123 foreach (var edge in _adjacentEdges[v]) 124 { 125 if (!visited[edge.End]) 126 DFS(edge.End, visited); 127 } 128 } 129 } 130 131 Graph Transpose() 132 { 133 Graph g = new Graph(this.VertexCount); 134 135 foreach (var edge in this.Edges) 136 { 137 g.AddEdge(edge.End, edge.Begin, edge.Weight); 138 } 139 140 return g; 141 } 142 } 143 } 144 }
共同学习,写下你的评论
评论加载中...
作者其他优质文章