首页 > 代码库 > 算法_有向图
算法_有向图
一.定义以及和无向图的区别
一幅有向图是由一组顶点和一组有方向的边组成的,每条有方向的边都连接着有序的一对顶点.有向边是由第一个顶点指出并指向第二个顶点,用v->w来表示有向图中一条由顶点v指向顶点w的一条边.当存在从v->w的有向路径的时候,称顶点w能够由顶点v达到.和无向图不同的是,在有向图中由v能够到达w,并不意味着由w也能到达v.下图为一个有向图举例.
二.有向图的数据类型
使用Bag表示有向图,其中边v->w表示为顶点v所对应的邻接链表中包含一个w顶点,与无向图不同的是,这里每条边只会出现一次.有向图的数据结构类型如下:
/** * 有向图的数据类型 * @author Administrator * */public class Digraph { private final int V; private int E; private Bag<Integer>[] adj; public Digraph(int V) { this.V=V; this.E=0; adj=(Bag<Integer>[])new Bag[V]; for(int v=0;v<V;v++) { adj[v]=new Bag<Integer>(); } } public int V() { return V; } public int E() { return E; } //添加一条边v->w,由于是有向图只要添加一条边就可以了 public void addEdge(int v,int w) { adj[v].add(w); E++; } public Iterable<Integer> adj(int v) { return adj[v]; } //返回当前图的一个反向的图 public Digraph reverse() { Digraph R=new Digraph(V); for(int v=0;v<V;v++) { for(int w:adj(v)) { R.addEdge(w, v); } } return R; }}
三.有向图中的可达性
利用深度优先搜索可以解决有向图中的单点可达性问题:即:给定一幅有向图和一个起点s,回答是否存在一条从s到达给定顶点v的有向路径的问题.
/** * 从指定的图中查找从s可达的所有顶点. * 判断一个点是否是从s可达的. * @author Administrator * */public class DirectedDFS { private boolean[] marked; //从G中找出所有s可达的点 public DirectedDFS(Digraph G,int s) { marked=new boolean[G.V()]; dfs(G,s); } //G中找出一系列点可达的点 public DirectedDFS(Digraph G,Iterable<Integer> sources) { marked=new boolean[G.V()]; for(int s:sources) { if(!marked[s]) dfs(G,s); } } //深度优先搜素判断. private void dfs(Digraph G, int v) { marked[v]=true; for(int w:G.adj(v)) { if(!marked[w]) dfs(G,w); } } //v是可达的吗 public boolean marked(int v) { return marked[v]; }}
四.寻找有向环
下面的代码可以用来检测给定的有向图中是否含有有向环,如果有,则按照路径的方向返回环上的所有顶点.在执行dfs的时候,查找的是从起点到v的有向路径,onStack数组标记了递归调用的栈上的所有顶点,同时也加入了edgeTo数组,在找到有向环的时候返回环中的所有顶点.
/** * 有向图G是否含有有向环 * 获取有向环中的所有顶点 * @author Administrator * */public class DirectedCycle { private boolean[] marked; private int[] edgeTo; private Stack<Integer> cycle; //有向环中的所有顶点 private boolean[] onStack; //递归调用的栈上的所有顶点 public DirectedCycle(Digraph G) { edgeTo=new int[G.V()]; onStack=new boolean[G.V()]; marked=new boolean[G.V()]; for(int v=0;v<G.V();v++) { if(!marked[v]) dfs(G,v); } }/** * 该算法的关键步骤在于onStack数组的运用. * onStack数组标记的是当前遍历的点.如果对于一个点指向的所有点中的某个点 * onstack[v]=true.代表该点正在被遍历也就是说 * 该点存在一条路径,指向这个点.而这个点现在又可以指向该点, * 即存在环的结构~ * @param G * @param v */ private void dfs(Digraph G, int v) { onStack[v]=true; marked[v]=true; for(int w:G.adj(v)) { if(this.hasCycle()) return; else if(!marked[w]) { edgeTo[w]=v; dfs(G,w); } else if(onStack[w]) { cycle=new Stack<Integer>(); for(int x=v;x!=w;x=edgeTo[x]) cycle.push(x); cycle.push(w); cycle.push(v); } } //dfs方法结束,对于该点的递归调用结束.该点指向的所有点已经遍历完毕 onStack[v]=false; } private boolean hasCycle() { return cycle!=null; } public Iterable<Integer> cycle() { return cycle; }}
五.顶点的深度优先次序以及拓补排序
拓补排序:给定一幅有向图,将所有的顶点排序,使得所有的有向边均从排在前面的元素指向排在后面的元素.如果存在有向环的话,那么拓补排序无法完成.
要实现有向图的拓补排序,利用标准深度优先搜索顺序即可完成任务.这里顶点会有三种排列顺序:
1.前序:在递归调用前将顶点加入队列
2.后序:在递归调用之后将顶点加入队列
3.逆后序:在递归调用之后将顶点压入栈.
具体的操作见下面的代码:
//有向图中基于深度优先搜索的拓补排序public class DepthFirstOrder { private boolean[] marked; private Queue<Integer> pre; //所有顶点的前序排列 private Queue<Integer> post; //所有顶点的后序排列 private Stack<Integer> reversePost;//所有顶点的逆后序排列 public DepthFirstOrder(Digraph G) { pre=new Queue<>(); post=new Queue<>(); reversePost=new Stack<>(); marked=new boolean[G.V()]; for(int v=0;v<G.V();v++) { if(!marked[v]) dfs(G,v); } } private void dfs(Digraph G, int v) { pre.enqueue(v); marked[v]=true; for(int w:G.adj(v)) { if(!marked[w]) { dfs(G,w); } } post.enqueue(v); reversePost.push(v); } public Iterable<Integer> pre() { return pre; } public Iterable<Integer> post() { return post; } public Iterable<Integer> reversePost() { return reversePost; }}
拓补排序的实现依赖于上面的API,实际上拓补排序即为所有顶点的逆后序排列,证明如下:
对于任意边v->w,在调用dfs(v)的时候,下面三种情况必然有一种成立:
1.dfs(w)被调用且返回.(此时w被标记)
2.dfs(w)还没有被调用,因此v->w会返回dfs(w),且dfs(w)在dfs(v)之前返回
3.dfs(w)已经被调用没有返回,在有向无环图中这种情况不可能!
在1,2这两种情况中dfs(w)都在dfs(v)之前返回,也就是说在逆后序排列中,顺序为v,w.满足拓补排序的要求!
拓补排序的代码如下:
public class Topological { private Iterable<Integer> order; //顶点的拓补排序 public Topological(Digraph G) { DirectedCycle cyclefinder=new DirectedCycle(G); if(!cyclefinder.hasCycle()) {//只有无环才能进行拓补排序 DepthFirstOrder dfs=new DepthFirstOrder(G); order=dfs.reversePost(); } } public Iterable<Integer> order() { return order; } public boolean isDAG() { return order!=null; }}
六.有向图的强连通性
定义:如果两个顶点v和w是互相可达的,则称它们为强连通的.也就是说既存在一条从v到w的有向路径也存在一条从w到v的有向路径.如果一幅有向图中的任意两个顶点都是强连通的,则称这副有向图也是强连通的.任意顶点和自己都是强连通的.
强连通性将顶点分为了一些等价类,每个等价类都是由相互均为强连通的顶点的最大子集组成的.我们将这些子集称为强连通分量.需要注意的是强连通分量是基于顶点的,而并非基于边.
下面的代码采用如下步骤来计算强连通分量以及两个点是否是强连通的:
1.在给定的有向图中,使用DepthFirsetOrder来计算它的反向图GR的逆后序排列
2.按照第一步计算得到的顺序采用深度优先搜索来访问所有未被标记的点
3.在构造函数中,所有在同一个递归dfs()调用中被访问到的顶点都是在同一个强连通分量中.
下面的代码实现遵循了上面的思路:
/** * 该算法实现的关键: * 使用深度优先搜索查找给定有向图的反向图GR.根据由此得到的所有顶点的逆后序 * 再次用深度优先搜索处理有向图G.其构造函数的每一次递归调用所标记的顶点都在 * 同一个强连通分量中. * 解决问题: * 判断两个点是否是强连通的 * 判断总共有多少个连通分量 * @author Administrator * */public class KosarajuSCC { private boolean[] marked;//已经访问过的顶点 private int[] id; //强连通分量的标识符 private int count; //强联通分量的数量 public KosarajuSCC(Digraph G) { marked=new boolean[G.V()]; id=new int[G.V()]; DepthFirstOrder order=new DepthFirstOrder(G.reverse()); for(int s:order.reversePost()) { if(!marked[s]) { dfs(G,s); count++; } } } private void dfs(Digraph G, int v) { marked[v]=true; id[v]=count; for(int w:G.adj(v)) { if(!marked[w]) { dfs(G,w); } } } public boolean stronglyConnected(int v,int w) { return id[v]==id[w]; } public int id(int v) { return id[v]; } public int count() { return count; }}
为了验证这个代码的正确性,需要证明这个命题,即:
使用深度优先搜索查找给定有向图的GR,根据由此得到的所有顶点的逆后序再次用深度优先搜索处理有向图G,其构造函数的每一次递归调用所标记的顶点都在同一个强连通分量中.
证明如下:
首先用反证法证明每个和s强连通的顶点v都会在构造函数中调用的dfs(G,s)中被访问到.假设有一个顶点v没有被访问到.因为存在从s到v的路径,那么说明v肯定在之前被访问过了.但是因为也存在v到s的路径,那么dfs(G,v)调用中,s肯定会被标记,因此构造函数肯定不会调用dfs(G,s)的,矛盾.
其次要证明构造函数调用的dfs(G,s)所到达的任意顶点v都必然是和s强连通的.设v为dfs(G,s)所到达的某个顶点.那么G中必然存在从s到v的路径.因此现在只需要证明在GR中存在一条从s到v的路径即可.而由于按照逆后序进行的深度优先搜索,因此在GR中进行的深度优先搜索意味着,dfs(G,v)必然在dfs(G,s)之前就结束了.这样dfs(G,v)的调用存在两种情况:
1.调用在dfs(G,s)的调用之前(并且也在dfs(G,s)的调用之前结束.这种情况不可能存在,因为在GR中存在一条从v到s的路径.
2.调用在dfs(G,s)的调用之后(并且也在dfs(G,s)的结束之前结束.这种情况说明GR中存在一条从s到v的路径.证明完成.
算法_有向图