算法（第4版） Chapter 4.2 强联通性 Tarjan算法补充

摘要：在实际的测试中，算法的运行效率也比算法高左右。此外，该算法与求无向图的双连通分量割点桥的算法也有着很深的联系。学习该算法，也有助于深入理解求双连通分量的算法，两者可以类比组合理解。固属于同一连通分支。

参考资料
http://blog.csdn.net/acmmmm/a...
https://www.byvoid.com/blog/s...
http://blog.csdn.net/nothi/ar...

在教材中有向图的强连通只提及了一种，其实还有另外两个经典的算法，因此做一个补充。

tarjan的过程就是dfs过程

对图dfs一下，遍历所有未遍历过的点 ，会得到一个有向树，显然有向树是没有环的。

（注意搜过的点不会再搜） 则能产生环的只有 指向已经遍历过的点 的边

只有红色与绿色边有可能产生环。
对于深搜过程，我们需要一个栈来保存当前所在路径上的所有点（栈中所有点一定是有父子关系的）
再仔细观察红边与绿边，首先得到结论：红边不产生环，绿边产生环

对于红边，连接的两个点3、7没有父子关系，这种边称为横叉边。
横叉边一定不产生环。

对于绿边，连接的两个点6、4是父子关系，这种边称为后向边。
环一定由后向边产生。

图中除了黑色的树枝边，一定只有横叉边和后向边（不存在其他种类的边）

则以下考虑对于这两种边的处理和判断：

Stack = {1,2,3}。3没有多余的其他边，因此3退栈，把3作为一个强连通分量

再次深搜：

此时栈 Stack = {1,2,7}
发现红边指向了已经遍历过的点3 => 是上述的2种边之一
而3不在栈中
=> 3点与7点无父子关系
=> 该边为横叉边
=> 采取无视法。

继而7点退栈 产生连通分量{7}
继而2点退栈 产生连通分量{2}

再次深搜：

此时 Stack = {1,4,5,6}
发现绿边指向了已经遍历过的点4 => 是上述的2种边之一
而4在栈中
=> 4点与6点是父子关系
=> 该边为后向边
=> 4->6的路径上的点都是环。

实际情况可能更复杂：

出现了大环套小环的情况，显然我们认为最大环是一个强连通分量(即:{4,5,6,8} ）

因而我们需要强化一下dfs过程，增添几个变量来记录父节点和后向边的情况

定义：

int dfn[N], low[N];

dfn[i] 表示 遍历到 i 点时是第几次dfs （有时也叫时间戳）

low[u] 表示 u 的子树 能连接到 [栈中] 最上端的点 的dfn值(换句话说，也就是最小的dfn）

Stack stack 上述的栈
int BelongTo[N] 强连通分量的ID

通俗语言解读：

dfn[i] 即我就是我，是数字不一样的烟火。每个点的ID（不是强连通分量的ID，而是每个点自己的身份标识ID），按时间顺序赋值。比如第一个寻访的dfn的值为 1，第二个寻访的DFN的值为 2，以此类推。可以通过比较大小来判断是爸爸还是儿子。（是后向边还是横插边？）

low[u] 如果是后向边的话连到哪个爸爸？记录下来爸爸的ID。

Stack 怎么判断是不是后向边呢？—>看在不在栈内。

Tarjan算法是基于对图深度优先搜索的算法，每个强连通分量为搜索树中的一棵子树。
搜索时，把当前搜索树中未处理的节点加入一个堆栈，回溯时可以判断栈顶到栈中的节点是否为一个强连通分量。

定义dfn(u)为节点u搜索的次序编号(时间戳)；
Low(u)为u或u的子树能够追溯到的最早的栈中节点的次序号。

由定义可以得出，

low(u)=min
{
    dfn(u),
    low(v),(u,v)为树枝边，u为v的父节点 //回溯时用
    dfn(v),(u,v)为指向栈中节点的后向边(非横叉边) // 已访问过时用。没有想明白为什么是dfn(v)而不是low(v)?????????
}

当dfn(u)==low(u)时，以u为根的搜索子树上所有节点是一个强连通分量。

原因

在算法开始的时候，我们把 i 圧入栈中。根据 low[i] 和 dfn[i] 的定义我们知道，

如果 low[i] < dfn[i]，则以 i 为顶点的子树中，有指向祖先的后向边，则说明 i 和 i 的父亲为在同一连通分支，也就是说留在栈中的元素都是和父结点在同一连通分支的。

如果 low[i] == dfn[i]，则 i 为顶点的子树中没有后向边，那么由于 留在栈中的元素都是和父结点在同一连通分支的，我们可以知道，从栈顶到元素 i 构成了一个连通分支。显然，low[i]不可能小于dfn[i]

算法伪代码如下

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 stack)                   // 如果节点v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 = stack.pop                  // 将v退栈，为该强连通分量中一个顶点
            print v
        until (u== v)
}

复杂度

时间：O(N+M)

与Trajan算法相比，Kosaraju算法可能会稍微更直观一些。但是Tarjan只用对原图进行一次DFS，不用建立逆图，更简洁。在实际的测试中，Tarjan算法的运行效率也比Kosaraju算法高30%左右。此外，该Tarjan算法与求无向图的双连通分量(割点、桥)的Tarjan算法也有着很深的联系。学习该Tarjan算法，也有助于深入理解求双连通分量的Tarjan算法，两者可以类比、组合理解。

public class Tarjan {
    private int[] id; // 强连通ID
    private int index_id = 0; // 强连通ID计数器
    private int[] dfn, low; //时间戳计数器
    private int index_dfn = 1; //时间戳初始化时默认为0。因此从1开始赋值，以区别是否访问过。
    private Stack stack= new Stack();
    private boolean[] onStack;
    
    public Tarjan(Digraph G) {
        onStack = new boolean[G.V()];
        id = new int[G.V()];
        dfn = new int[G.V()];
        low = new int[G.V()];

        for (int s = 0; s < G.V(); s++)
            if (dfn[s]==0) {
                tarjan(G, s);
                index_id++;
            }
    }

    private void tarjan(Digraph G, int u) {
        stack.push(u); //压入栈
        onStack[u] = true; //方便之后判断
        dfn[u] = low[u] = ++index_dfn; //时间戳赋值，并表示访问过了
        for (int w : G.adj(u)) {
            if (dfn[w] == 0) { //若w未被访问过
                tarjan(G, w); //继续深搜
                low[u] = Math.min(low[w], low[u]); //回溯，当前点u 选取包括自己的子树中最小的low值
            } else if (onStack[w] && dfn[w]
简单证明
首先，这边再重复一下什么是后向边：就是在深度优先搜索中，子孙指向祖先的边。
在一棵深度优先搜索树中，对于结点v, 和其父亲结点u而言，u,v 属于同一个强连通分支的充分必要条件是  
以ｖ为根的子树中，有一条后向边指向u或者u的祖先。
1、必要性
如果 u, v 属于同一个强连通分支则必定存在一条 u -> v 的路径和一条 v -> u的路径。
合并两条则有 u->v->v1->v2->..vn->u, 若顶点v1到vn都是v 的子孙,则有 vn->u这样一条后向边。
如果v1到vn 不全是vn的子孙，则必定有一个是u的祖先，我们不妨设vi为u的祖先，则有一条后向边 V[i-1] ->v[i]。
2、充分性
我们设 u1->u2->u3..->un->u->v->v1->v2..->vn。
我们假设后向边vn指向ui则有这样一个环：u[i]->u[i+1]...->u->v->v1->v2..->v[n-1]->v[n]->u[i]。
易知，有一条u->v的路径，同时有v->u的路径。固u,v属于同一连通分支。