有关求学习强连通的心得！
现在学了求强连通的两个算法（Tarjan算法和Kosaraju算法）；其实还有其他一个算法的!没学所以就不写上来了！
Tarjan算法：
这个算法是在一次的dfs遍历的情况下完成的！每个节点都只有一次的访问的机会！我们在这个算法要用到栈！每碰到未访问的节点就进栈！如果不符合上述的条件就退栈！（怎么那么像走迷宫的？其实不是啊！相似而已，莫激动）！在这里我们用到low[n],dfs[n],这两个数组！dfs(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。
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 S) // 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 = S.pop // 将v退栈，为该强连通分量中一个顶点
print v
until (u== v)
}
接下来是对算法流程的演示。
从节点1开始DFS，把遍历到的节点加入栈中。搜索到节点u=6时，DFN[6]=LOW[6]，找到了一个强连通分量。退栈到u=v为止，{6}为一个强连通分量。
返回节点5，发现DFN[5]=LOW[5]，退栈后{5}为一个强连通分量。
返回节点3，继续搜索到节点4，把4加入堆栈。发现节点4向节点1有后向边，节点1还在栈中，所以LOW[4]=1。节点6已经出栈，(4,6)是横叉边，返回3，(3,4)为树枝边，所以LOW[3]=LOW[4]=1。
继续回到节点1，最后访问节点2。访问边(2,4)，4还在栈中，所以LOW[2]=DFN[4]=5。返回1后，发现DFN[1]=LOW[1]，把栈中节点全部取出，组成一个连通分量{1,3,4,2}。
至此，算法结束。经过该算法，求出了图中全部的三个强连通分量{1,3,4,2},{5},{6}。
Kosaraju算法：
这个算法是基于两次的dfs操作的！操作大概如下：
1：dfs图并记录节点的访问时间：
2：根据记录的节点的访问时间降序遍历反向图，得到的每个连通块就是一个强连通分量：
Kosaraju算法的显著特征是，第一，引用了有向图的逆图；第二，需要对图进行两次DFS（一次在逆图上，一次在原图上）。而且这个算法依赖于一个事实：一个有向图的强连通分量与其逆图是一样的（即假如顶点任意顶点s与t属于原图中的一个强连通分量，那么在逆图中这两个顶点必定也属于同一个强连通分量，这个事实由强连通性的定义可证）。由于算法的时间取决于两次DFS，因此时间复杂度，对于稀疏图是O(V+E)，对于稠密图是O(V²)，可见这是一个线性算法。Kosaraju的结论是，在第二次DFS中，同一棵搜索树上的结点属于一个强连通分量。
下面我们来举例：：
第1 步：对于有向图G 一次DFS 遍历得到的森林:
有上面可得到如下结论：
●在每个生成树中，根的时间戳最大；
●根可以到达该树的任何一个结点（其他结点不一定能到达根）；
●每棵子树的根的时间戳都大于其后代结点；他也可以到达它的所有
后代；
第2 步：现在我们对图进行反向，然后按时间戳由大到小进行dfs
得到森林如下：
通俗讲，这个原理就是：第一次dfs 的生成树中若存在回边，那么
边反方向后仍然可以相互到达，于是就是一个连通分量。这一点需要细
细体会。
另此算法
可将DFS换为BFS
不过在第一步中每次BFS要反序
在此题中
第一步
DFS为
3 5 2 4 1 7 6
BFS为
5 3 4 2 1 7 6
第2步
DFS为
6
7
1 4 5 2
3
BFS为
6
7
1 5 2 4
3
说真的我个人认为DFS的时间比BFS慢！没验证!
这是我的一些心得，可能会不正确！请指出和原谅啊！
