Best algorithm for detecting cycles in a directed graph
在有向图中检测所有循环的最有效算法是什么?
我有一个表示需要执行的作业计划的有向图,一个作业是一个节点,依赖项是一个边缘。我需要检测这个图中导致循环依赖性的循环的错误情况。
Tarjan的强连接组件算法具有
有关其他算法,请参见维基百科上的强连接组件。
考虑到这是一个作业计划表,我怀疑在某个时刻,您将把它们排序成一个建议的执行顺序。
如果是这样,那么拓扑排序实现在任何情况下都可以检测循环。unix
因此,问题可能变成"我如何最有效地进行排序",而不是"我如何最有效地检测循环"。答案可能是"使用一个图书馆",但如果不能做到这一点,请参阅下面的维基百科文章:
http://en.wikipedia.org/wiki/Topological_sorting
号
具有一种算法的伪代码,以及Tarjan中另一种算法的简要描述。两者都具有
从一个DFS开始:当且仅当在DFS期间发现一个后缘时,才存在一个循环。这是白道理论的结果。
最简单的方法是对图进行深度优先遍历(dft)。
如果图有
您必须维护一个包含当前深度优先遍历中所有顶点的堆栈,其中第一个元素是根节点。如果在DFT期间遇到已经在堆栈中的元素,那么就有了一个循环。
在我看来,最容易理解的有向图周期检测算法是图着色算法。
基本上,图着色算法以DFS方式(深度优先搜索,这意味着它在探索另一条路径之前完全探索了一条路径)。当它找到一个后边缘时,它会将图形标记为包含一个循环。
有关图形着色算法的深入解释,请阅读本文:http://www.geeksforgeks.org/detect-cycle-direct-graph-using-colors/
另外,我在javascript https://github.com/dexcodeinc/graph_algorithm.js/blob/master/graph_algorithm.js中提供了图着色的实现。
如果无法将"已访问"属性添加到节点中,请使用集合(或映射),然后只将所有已访问的节点添加到集合中,除非它们已经在集合中。使用唯一键或对象的地址作为"键"。
这还为您提供了有关循环依赖项的"根"节点的信息,当用户必须解决问题时,这将非常有用。
另一个解决方案是尝试找到要执行的下一个依赖项。为此,您必须有一些堆栈,您可以在其中记住您现在的位置以及接下来需要做什么。在执行此堆栈之前,请检查它是否已存在依赖项。如果是这样,你就找到了一个循环。
虽然这看起来有O(n*m)的复杂性,但您必须记住,堆栈的深度非常有限(因此n很小),并且m随着每个依赖项变得更小,您可以将其作为"已执行"进行检查,并且当您找到一个叶时可以停止搜索(因此您不必检查每个节点->m也将很小)。
在metamake中,我创建了图表作为列表列表,然后在执行时删除了每个节点,这自然会减少搜索量。实际上,我从来没有运行过独立的检查,这一切都是在正常执行期间自动发生的。
如果您需要"仅测试"模式,只需添加一个"干运行"标志,它将禁用实际作业的执行。
没有一种算法可以在多项式时间内找到有向图中的所有循环。假设有向图有N个节点,每对节点都有彼此的连接,这意味着你有一个完整的图。因此,这些n个节点的任何非空子集都表示一个循环,并且有2^n-1个这样的子集。因此不存在多项式时间算法。所以假设你有一个有效的(非愚蠢的)算法,它可以告诉你一个图中有向循环的数量,你可以先找到强连接组件,然后把你的算法应用到这些连接组件上。因为周期只存在于组件内部,而不存在于组件之间。
根据Cormen等人的Lemma 22.11,算法简介(CLRS):
A directed graph G is acyclic if and only if a depth-first search of G yields no back edges.
号
在一些答案中已经提到了这一点;这里我还将提供一个基于CLRS第22章的代码示例。示例图如下所示。
。
CLRS的深度优先搜索伪代码为:
氧化镁
在CLRS图22.4中的示例中,图由两个DFS树组成:一个由节点U、V、X和Y组成,另一个由节点W和Z组成。每个树都包含一个后缘:一个从X到V,另一个从Z到Z(自循环)。
关键的实现是,在
下面的python代码是CLRS伪代码的一种改编,添加了一个
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 | import collections class Graph(object): def __init__(self, edges): self.edges = edges self.adj = Graph._build_adjacency_list(edges) @staticmethod def _build_adjacency_list(edges): adj = collections.defaultdict(list) for edge in edges: adj[edge[0]].append(edge[1]) return adj def dfs(G): discovered = set() finished = set() for u in G.adj: if u not in discovered and u not in finished: discovered, finished = dfs_visit(G, u, discovered, finished) def dfs_visit(G, u, discovered, finished): discovered.add(u) for v in G.adj[u]: # Detect cycles if v in discovered: print(f"Cycle detected: found a back edge from {u} to {v}.") # Recurse into DFS tree if v not in discovered and v not in finished: dfs_visit(G, v, discovered, finished) discovered.remove(u) finished.add(u) return discovered, finished if __name__ =="__main__": G = Graph([ ('u', 'v'), ('u', 'x'), ('v', 'y'), ('w', 'y'), ('w', 'z'), ('x', 'v'), ('y', 'x'), ('z', 'z')]) dfs(G) |
注意,在这个例子中,没有捕获CLRS伪代码中的
执行此脚本时,将打印以下输出:
1 2 | Cycle detected: found a back edge from x to v. Cycle detected: found a back edge from z to z. |
号
这些正是CLRS图22.4中示例中的后边缘。
如果DFS找到一个指向已访问顶点的边,则在该边上有一个循环。
我在SML(命令式编程)中实现了这个问题。这是大纲。查找不一致或不一致为0的所有节点。这样的节点不能是循环的一部分(因此请删除它们)。接下来,删除这些节点的所有传入或传出边缘。递归地将此过程应用于结果图。如果在末尾没有留下任何节点或边,则该图没有任何循环,否则它就有循环。
我的方法是进行拓扑排序,计算访问的顶点数。如果该数字小于DAG中顶点的总数,则有一个循环。
https://mathoverflow.net/questions/16393/finding-a-cycle-of-fixed-length我最喜欢这个解决方案,特别是针对4个长度:)
物理向导也说你必须做O(V^2)。我相信我们只需要O(V)/O(V+E)。如果图形已连接,则DFS将访问所有节点。如果图有连接的子图,那么每次我们在子图的顶点上运行一个DFS,我们都会找到连接的顶点,并且在下次运行DFS时不必考虑这些顶点。因此,为每个顶点运行的可能性是不正确的。
正如您所说,您有一组作业,需要按一定的顺序执行。
如果图满足此属性
1 | |e| > |v| - 1 |
然后图表至少包含on循环。