1. Datentyp eines gerichteten Graphen
Verwenden Sie Bag, um einen gerichteten Graphen darzustellen, wobei die Kante v->w als Scheitelpunkt dargestellt wird v Die entsprechende verknüpfte Adjazenzliste enthält einen w-Scheitelpunkt, hier erscheint jede Kante nur einmal. Der Datenstrukturtyp des gerichteten Diagramms ist wie folgt:
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;
}
}
2. Erreichbarkeit im gerichteten Graphen
Konnektivität des ungerichteten Graphen Ähnlich wie , Tiefen- Die erste Suche kann verwendet werden, um das
Einzelpunkt-Erreichbarkeitsproblem in einem gerichteten Graphen zu lösen: das heißt: gegeben ein gerichteter Graph Graph und ein Startpunkt s, Beantworten Sie die Frage, ob es einen gerichteten Pfad von s zu einem gegebenen Scheitelpunkt v gibt.
Mehrpunkt-Erreichbarkeitsproblem: gegeben Gegeben ein gerichteter Graph und eine Menge Beantworten Sie die Frage, ob es einen gerichteten Pfad von jedem Eckpunkt in der Menge zu einem gegebenen Eckpunkt v gibt?
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];
}
}Eine wichtige Anwendung des Mehrpunkt-Erreichbarkeitsproblems findet sich in typischen Speicherverwaltungssystemen, einschließlich vieler Java-Implementierungen. In einem gerichteten Graphen stellt ein Scheitelpunkt ein Objekt dar und eine Kante stellt eine Referenz von einem Objekt zu einem anderen dar.
Dieses Modell stellt die Speichernutzung laufender Java-Programme gut dar. Es gibt bestimmte Objekte, auf die jederzeit während der Programmausführung direkt zugegriffen werden kann, und alle Objekte, auf die über diese Objekte nicht zugegriffen werden kann, sollten recycelt werden, um
Speicher freizugeben. Es führt regelmäßig einen gerichteten Graph-Erreichbarkeitsalgorithmus ähnlich wie DirectedDFS aus, um alle zugänglichen Objekte zu markieren.
3. Die Pfadfindung in gerichteten Graphen
ähnelt häufigen Problemen in gerichteten Graphen:
Einzelpunkt-gerichteter Pfad. Antworten Sie bei einem gegebenen gerichteten Graphen und einem Startpunkt: „Gibt es einen gerichteten Pfad von s zum angegebenen Zielscheitelpunkt v? Wenn ja, finden Sie diesen Pfad“
Einzelpunktkürzester gerichteter Weg. Angesichts eines gerichteten Graphen und eines Startpunkts antworten Sie: „Gibt es einen gerichteten Pfad von s zum angegebenen Zielscheitelpunkt v? Wenn ja, finden Sie den kürzesten (der die geringste Anzahl von Kanten enthält)“
4. Planungsproblem – topologische Sortierung
4.1 Finden gerichteter Ringe
Wenn es in einem Problem mit Prioritätseinschränkungen einen gerichteten Zyklus gibt, dann muss das Problem unlösbar sein. Daher ist eine gezielte Ringerkennung erforderlich.
Der folgende Code kann verwendet werden, um zu erkennen, ob ein bestimmter gerichteter Graph einen gerichteten Zyklus enthält. Wenn ja, werden alle Scheitelpunkte auf dem Zyklus entsprechend der Richtung des Pfads zurückgegeben.
Beim Ausführen von dfs wird nach dem gerichteten Pfad vom Startpunkt nach v gesucht. Das onStack-Array markiert alle Scheitelpunkte auf dem Stapel des rekursiven Aufrufs und das EdgeTo-Array wird ebenfalls hinzugefügt . Nachdem Sie alle Eckpunkte im Ring gefunden haben, wenn Sie sich auf den Ring zubewegen, sortieren Sie bei einem gegebenen gerichteten Diagramm alle Eckpunkte so, dass alle gerichteten Kanten von den Elementen nach vorne zeigen Wenn die Elemente im Hintergrund vorhanden sind, kann die topologische Sortierung nicht abgeschlossen werden Hier gibt es drei Anordnungen von Scheitelpunkten. Reihenfolge:
/**
* 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;
}
}2. Nachbestellung: Fügen Sie die Vertices nach dem rekursiven Aufruf hinzu. Zur Warteschlange hinzufügen 3. Umgekehrte Reihenfolge: Schieben Sie die Vertices nach dem rekursiven Aufruf auf den Stapel
Spezifische Vorgänge finden Sie im folgenden Code:
遍历的顺序取决于这个数据结构的性质以及是在递归调用之前还是之后进行保存。
前序：在递归调用之前将顶点加入队列。
后序：在递归调用之后将顶点加入队列。
逆后序：在递归调用之后将顶点压入栈。
前序就时dfs()的调用顺序；后序就是顶点遍历完成的顺序；逆后序就是顶点遍历完成顺序的逆。
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
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;
}
}
5.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.
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;
}
}
Das obige ist der detaillierte Inhalt vonEinführung in den Aufgabenplanungstopologiegraphen des gerichteten Graphen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
