Kosaraju算法详解_网络技术_宿州市腾雀网络科技有限公司

Kosaraju算法详解

发布时间 - 2026-01-11 03:10:44 点击率：次

Kosaraju算法是干什么的？

Kosaraju算法可以计算出一个有向图的强连通分量

什么是强连通分量？

在一个有向图中如果两个结点（结点v与结点w）在同一个环中（等价于v可通过有向路径到达w，w也可以到达v）它们两个就是强连通的，所有互为强连通的点组成了一个集合，在一幅有向图中这种集合的数量就是这幅图的强连通分量的数量

怎么算？？

第一步：计算出有向图 (G) 的反向图 (G反) 的逆后序排列（代码中有介绍）

第二步：在有向图 (G) 中进行标准的深度优先搜索，按照刚才计算出的逆后序排列顺序而非标准顺序

class Kosaraju {
  private Digraph G;
  private Digraph reverseG; //反向图
  private Stack<Integer> reversePost; //逆后续排列保存在这
  private boolean[] marked;
  private int[] id; //第v个点在几个强连通分量中
  private int count; //强连通分量的数量
  public Kosaraju(Digraph G) {
    int temp;
    this.G = G;
    reverseG = G.reverse();
    marked   = new boolean[G.V()];
    id     = new int[G.V()];
    reversePost = new Stack<Integer>();
    
    makeReverPost(); //算出逆后续排列
    
    for (int i = 0; i < marked.length; i++) { //重置标记
      marked[i] = false;
    }
    
    for (int i = 0; i < G.V(); i++) { //算出强连通分量
      temp = reversePost.pop();
      if (!marked[temp]) {
        count++;
        dfs(temp);
      }
    }
  }
  /*
   * 下面两个函数是为了算出 逆后序排列
   */
  private void makeReverPost() {
    for (int i = 0; i < G.V(); i++) { //V()返回的是图G的节点数
      if (!marked[i])
        redfs(i);
    }
  }
  
  private void redfs(int v) {
    marked[v] = true;
    for (Integer w: reverseG.adj(v)) { //adj(v)返回的是v指向的结点的集合
      if (!marked[w])
        redfs(w);
    }
    reversePost.push(v); //在这里把v加入栈,完了到时候再弹出来,弹出来的就是逆后续排列
  }
  /*
   * 标准的深度优先搜索
   */
  private void dfs(int v) {
    marked[v] = true;
    id[v] = count;
    for (Integer w: G.adj(v)) {
      if (!marked[w])
        dfs(w);
    }
  }
  
  public int count() { return count;}
}

为什么这样就可以算出强连通分量的数量？（稍微有些费解）

比如有这样一个图，它有五个强连通分量

我们需要证明在26行的dfs(temp)中找到的①全是点temp的强连通点，②且是它全部的强连通点

证明时不要忘了定义：v可通过有向路径到达w，w也可以到达v，则它俩强连通

先证明②：

用反证法，就假如对一个点（点w）深度优先搜索时有一个它的强连通点（点v）没找到。

如果没找到，那就说明点v 已经在找其他点时标记过了，但点v 如果已经被标记过了，因为有一条 v -> w 的有向路径，那点w 肯定也被找过了，那就不会对点w 深度优先搜索了。

假设不成立 (*^ω^*)

再证明①：

对一个点（点w）深度优先搜索时找到了一个点（点v），说明有一条 w -> v 的有向路径，再证明有一条 v -> w 的路径就行了，证明有一条 v -> w 的路径，就相当于证明图G的反向图（G反）有一条 w -> v 的有向路径，因为点w 和点v 满足那个逆后序排列，而逆后序排列是在redfs(node)结束时将node加入栈，再从栈中弹出，那说明反向图的深度优先搜索中redfs(v)肯定在redfs(w)前就结束了，那就是两种情况：

■ redfs(v)已经完了redfs(w)才开始

■ redfs(v)是在 redfs(w)开始之后结束之前结束的，也就是redfs(v)是在redfs(w)内部结束的

第一种情况不可能，因为 G反有一条 v -> w 的路径（因为G有一条 w -> v 的路径），满足第二中情况即在 G反中有一条 w -> v 的路径。

终于证完了。

完整代码：

package practice;

import java.util.ArrayList;
import java.util.Stack;

public class TestMain {
  public static void main(String[] args) {
    Digraph a = new Digraph(13);
    a.addEdge(0, 1);a.addEdge(0, 5);a.addEdge(2, 3);a.addEdge(2, 0);a.addEdge(3, 2);
    a.addEdge(3, 5);a.addEdge(4, 3);a.addEdge(4, 2);a.addEdge(5, 4);a.addEdge(6, 0);
    a.addEdge(6, 4);a.addEdge(6, 9);a.addEdge(7, 6);a.addEdge(7, 8);a.addEdge(8, 7);
    a.addEdge(8, 9);a.addEdge(9, 10);a.addEdge(9, 11);a.addEdge(10, 12);a.addEdge(11, 4);
    a.addEdge(11, 12);a.addEdge(12, 9);
    
    Kosaraju b = new Kosaraju(a);
    System.out.println(b.count());
  }
}

class Kosaraju {
  private Digraph G;
  private Digraph reverseG; //反向图
  private Stack<Integer> reversePost; //逆后续排列保存在这
  private boolean[] marked;
  private int[] id; //第v个点在几个强连通分量中
  private int count; //强连通分量的数量
  public Kosaraju(Digraph G) {
    int temp;
    this.G = G;
    reverseG = G.reverse();
    marked   = new boolean[G.V()];
    id     = new int[G.V()];
    reversePost = new Stack<Integer>();
    
    makeReverPost(); //算出逆后续排列
    
    for (int i = 0; i < marked.length; i++) { //重置标记
      marked[i] = false;
    }
    
    for (int i = 0; i < G.V(); i++) { //算出强连通分量
      temp = reversePost.pop();
      if (!marked[temp]) {
        count++;
        dfs(temp);
      }
    }
  }
  /*
   * 下面两个函数是为了算出 逆后序排列
   */
  private void makeReverPost() {
    for (int i = 0; i < G.V(); i++) { //V()返回的是图G的节点数
      if (!marked[i])
        redfs(i);
    }
  }
  
  private void redfs(int v) {
    marked[v] = true;
    for (Integer w: reverseG.adj(v)) { //adj(v)返回的是v指向的结点的集合
      if (!marked[w])
        redfs(w);
    }
    reversePost.push(v); //在这里把v加入栈,完了到时候再弹出来,弹出来的就是逆后续排列
  }
  /*
   * 标准的深度优先搜索
   */
  private void dfs(int v) {
    marked[v] = true;
    id[v] = count;
    for (Integer w: G.adj(v)) {
      if (!marked[w])
        dfs(w);
    }
  }
  
  public int count() { return count;}
}
/*
 * 图
 */
class Digraph {
  private ArrayList<Integer>[] node;
  private int v;
  public Digraph(int v) {
    node = (ArrayList<Integer>[]) new ArrayList[v];
    for (int i = 0; i < v; i++)
      node[i] = new ArrayList<Integer>();
    this.v = v;
  }
  
  public void addEdge(int v, int w) { node[v].add(w);}
  
  public Iterable<Integer> adj(int v) { return node[v];}
  
  public Digraph reverse() {
    Digraph result = new Digraph(v);
    for (int i = 0; i < v; i++) {
      for (Integer w : adj(i))
        result.addEdge(w, i);
    }
    return result;
  }
  
  public int V() { return v;}

}

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。

# Kosaraju # 算法 # 分享Java常用几种加密算法(四种) # 关于各种排列组合java算法实现方法 # java 合并排序算法、冒泡排序算法、选择排序算法、插入排序算法、快速排序算法的描述 # java冒泡排序算法代码 # java实现MD5加密算法的实例代码 # 史上最全的java随机数生成算法分享 # 使用java自带des加密算法实现文件加密和字符串加密 # 用java实现冒泡排序算法 # 基于Java实现的Dijkstra算法示例 # java异或加密算法 # 的是 # 弹出 # 是在 # 过了 # 几个 # 在这里 # 计算出 # 那就 # 在这 # 中有 # 到时候 # 可通过 # 图中 # 是为了 # 环中 # 有一 # 不可能 # 如有 # 两种 # 这样一个

相关栏目：【网站优化151355 】【网络推广146373 】【网络技术251813 】【 AI营销90571 】

上一篇：度小满陈存利：20年老“司令”聊运维、绩效、成长

下一篇：电脑微信登录多个账号最简单方法_傻瓜式微信登录多开教程【小白

相关栏目网站优化
网络推广
网络技术
AI营销

最新文章 Sublime怎么一键压缩JS代码 Su sublime如何在搜索中使用正则表达式 Sublime如何设置透明窗口效果 Su mysql如何设计商品表结构_mysql css属性背景图不显示怎么办_通过检查路如何使用Golang实现排序_Golan 农历闰月是怎么回事_为合回归年加一月调整塑造《刺客信条》艾吉奥传奇的编剧离开育碧 1英里等于多少公里 1mile和km的换 css grid布局中行和列是如何定义的 PS批量旋转和翻转图片，快速校正图片方向 C# Swagger UI自定义方法 C OPPO手机九宫格和全键盘怎么切换_OP Go语言如何实现用户登录注册_Golan 1节飞行速度多少公里每小时 1节是多少公纸嫁衣8千子树第五章庙门怎么开启庙门 Laravel 多行数据编辑表单中实现逐明日之后如何提升钓鱼等级明日之后提升钓支付宝怎样查年度账单_支付宝年度账单查看 C# 多线程UI更新Dispatcher

上一篇：度小满陈存利：20年老“司令”聊运维、绩效、成长

下一篇：电脑微信登录多个账号最简单方法_傻瓜式微信登录多开教程【小白