DFS与强联通分量(strong connected component-Sccs)

今天我们来聊一下DFS计算有向图的强联通分量Sccs。

老规矩，首先给出Sccs的定义。Sccs是一些节点的集合，该集合中任意两个节点u，v，存在路径u到v，同时也存在路径v到u。

我们来看一个示意图

 我们看，a点存在一个到b的路径，b可以通过e点到达a。因此a b e构成了一个Sccs。

那么我们如何求解一个图中的Sccs呢？

首先，我们将上图中的Sccs缩成一个点，来看看。

 我们可以看到，将Sccs缩成一个点之后，示意图变简单了不少。如果我们对简化过后的示意图来进行搜索的话，我们可以看到如果我们先搜索S1中的点，可能搜着搜着就到S2或者S3中了。反之如果我们先搜索S3中的点，则不会跑到S1或者S2中。这是一个非常重要的发现。而这个S3看起来是不是感觉很熟悉？是不是我们拓扑排序里面提到的sink node？但是拓扑排序不是使用在有向无环图中吗？是的，那是针对排序而言。这里，我们可以借助这个思想嘛。

收到sink node的启发，kosaraju算法主要就是考虑，先把图中的节点按照拓扑排序的思路先排一个顺序。同一个Sccs中的点由于形成一个环，因此他们之间顺序无所谓。但是Sccs本身的点需要有一个大的顺序。如S3中的点应该在S1前面。考虑到DFS的特点，我们知道，如果一个节点从DFS维护的栈(先入后出)中弹出，则意味着此时，该点是一个sink node了。

因此我们可以考虑如下方法：

1 首先利用DFS(利用我们拓扑排序那里那个改动过的DFS)对图进行遍历，记录所有sink node