방향 그래프(Directed graph)

📢  방향그래프

• 방향그래프(Digraph) : 모든 간선이 방향간선인 그래프

 

📢  방향그래프 속성

• 모든 간선이 한 방향으로 진행하는 그래프 G = (V,E)에서
  
  👉 간선(a,b)는 a -> b 로는 가지만, b -> a 로는 가지 않는다.
• 그래프 G가 단순하다면 ( 즉, 병렬간선이나, 루프가 없으면 )
  
  👉 M <= N(N-1) 이다.  ( 무방향그래프에선 M <= (N(N-1)/2 였다. )
  ( 여기서 M = 간선 수, N = 정점 수 이다. )
  
  
• 진입간선들(in-edges)과 진출간선들(out-edges)을 각각 별도의 인접리스트로 보관한다면, 진입간선들의 집합과
  진출간선들의 집합을 각각의 크기에 비례한 시간에 조사 가능하다.

방향 그래프의 예시

위에 그래프 기준으로, in-edges, out-edges를 표현하면 이런느낌

 

📢  방향 DFS

• 간선들을 주어진 방향만을 따라 순회하도록 하면, DFS 및 BFS 순회 알고리즘들을 방향그래프에 특화 가능하다.
• 방향 DFS 알고리즘에서 네 종류의 간선이 발생한다.
  
  👉 트리간선(tree edges) : 트리에서, DFS경로에 해당하는 간선
  👉 후향간선(back edges) : 트리에서 나의 조상방향으로 그려질 간선
  👉 전향간선(forward edges) : 트리에서 나의 자식이 아닌, 더 아래 자식 정점의 경우 그려질 간선
  👉 교차간선(cross edges) : 같은 레벨이나 하위레벨 정점끼리의 연결 간선
  
  
• 정점 s에서 출발하는 방향 DFS  👉  s로부터 도달 가능한 정점들을 결정한다.

위에 그래프를 통해 그려지는 DFS tree

• 도달 가능성이란 ?
  
  👉 방향그래프 G의 두 정점 v와 u에 대해, 만약 G에 v에서 u로의 방향 경로가 존재한다면, "v는 u에 도달한다" 또는 "u는 v로부터 도달 가능하다" 를 의미한다.
  👉 s를 루트로 하는 DFS 트리 : s로부터 방향경로를 통해 도달 가능한 정점들을 표시한 것

그래프 G에서 어떤 정점 s에서 "도달가능한" 예시

 

📢  강연결성

• 방향그래프 G의 어느 두 정점 u와 v에 대해서나 u는 v에 도달하며 v는 u에 도달하면
  
  👉 G를 강연결(strongly connected)이라고 말한다. 즉, 어느 정점에서든지 다른 모든 정점에 도달 가능하다.

이런 방향그래프가 있다 가정하자.

• 강연결 검사 알고리즘
  
  👉 1. 그래프 G의 임의의 정점 v를 선택한다.
  👉 2. 그래프 G의 v로부터 DFS를 수행한다. ( 방문되지 않은 정점 w가 있다면, False를 반환한다. )
  👉 3. 그래프 G의 간선들을 모두 역행시킨 그래프 G` 를 얻는다.
  👉 4. G`의 v로부터 DFS를 수행한다. ( 방문되지 않은 정점 w가 있다면, False를 반환. 그렇지 않으면, True 반환)
  
  실행시간 = O(N + M)

 그래프 G와 G의 역행방향인 G` 에 대해 DFS 실행한 결과      ( 두 경우 모두 모든 정점을 전부 방문한 것을 확인 )

• 강연결요소
  
  👉 방향그래프서 각 정점으로 다른 모든 정점으로 도달할 수 있는 최대의 부 그래프
  👉 DFS를 사용하여 O(N + M)시간에 계산 가능하다.

강연결요소의 예시. ( 방향그래프에 싸이클 집합을 찾아보면 된다. ), 위에 예제는 강연결요소가 2개

 

📢  이행적폐쇄

• 주어진 방향그래프 G에 대해, 그래프 G의 이행적폐쇄(Transitive Closure)는 다음을 만족하는 방향그래프 G*
  
  👉 G* 는 G와 동일한 정점들로 구성
  👉 G에 u로부터 v ≠ u 로의 방향경로가 존재한다면, G*에 u로부터 v로의 방향간선이 존재한다.
  👉 더 쉽게, 수학적으로,  "A -> B , B -> C 이면, A -> C"  를  의미하는 것
  
  
• 이행적폐쇄는 방향그래프에 관한 도달 가능성 정보를 제공한다.

방향그래프 G와 이행적폐쇄를 만족하는 방향그래프 G*

• 이행적폐쇄 계산
  
  👉 각 정점에서 출발하여 DFS를 수행할 수 있다.
  
  실행시간 : O(N(N + M)))  👉 N개의 각 정점의 대해 * DFS
  
  
• 대안으로, 동적프로그래밍(DP, Dynamic Programming)을 사용할 수 있다.
  
  👉 Floyed-Warshall 알고리즘 : 위에서 설명한,  "A -> B , B -> C 이면, A -> C"

 

📢  Floyed-Warshall 이행적폐쇄

• 정점들을 1,2,....n으로 번호를 매긴다.
• 1,2,....,k로 번호 매겨진 정점들만 경유 정점으로 사용하는 경로들을 고려해본다.

Floyed-Warshall 이행적폐쇄 예시

Alg Floyed-Warshall(G)
	input a digraph G with n vertexs
    output transitive closure G* of G
 
Let V(1),V(2),...,V(n) be an arbitrary numbering of the vertexs of G
 
G(0) <- G
for k <- 1 to n				// Stopover vertex
    G(k) <- G(k-1)
    for i <- 1 to n, i ≠ k		// start vertex
        for j <- 1 to n, j ≠ i,k	// end vertex
            if(G(k-1).areAdjacent(V(i),V(k) & G(k-1).areAdjacent(V(k),V(j))
                if(!(G(k).areAdjacent(V(i),V(j))
                     G(k).insertDirectedEdge(V(i),V(j),k)
return G(n)

• Floyed-Warshall 알고리즘은 G의 정점들을 V(1),....,V(n)으로 번호 매긴 후, 방향그래프 G(0),....,G(n)을 잇달아 계산
  
  👉 G(0) = G
  👉 G에 { V(1),....V(k) } 집합 내의 경유정점을 사용하는 V(i)에서 V(j)로의 방향경로가 존재하면 G(k)에 방향간선
  (V(i), V(j))를 삽입
  
  
• k 단계에서, 방향그래프 G(k-1)로부터 G(k)를 계산
• 마지막에 G(n) = G*를 얻음
• 실행시간 : O(n^3)
  
  👉 전제 : 인접한지 알아보는 areAdjacent( )가 O(1)시간에 수행 ( 즉, 인접행렬 버젼일 경우 )

n = 5 인 방향그래프 G의 Floyed-Warshall 이행적폐쇄 진행과정 예시

 

📢  방향 비싸이클 그래프

• 방향 비싸이클 그래프(DAG, Directed Acyclic Graph) : 방향싸이클이 존재하지 않는 방향그래프
• 예시
  
  👉 클래스 간 상속 또는 인터페이스
  👉 교과 간의 선수 관계 등등
  
  
• 방향그래프의 위상순서(Topological Order)
  
  👉 모든 i < j인 간선 (V(i),V(j))에 대해 정점들을 번호로 나열한 것이다.
  👉 예시) 작업스케쥴링 방향그래프에서 위상순서는 작업들의 우선 d 만족하는 작업 순서
  
  결론 : 방향그래프가 DAG 이면 👉 위상순서를 가지며, 그 역도 참이다.

DAG(Directed Acylic Graph)와 DAG의 위상순서

 

📢  위상정렬(Topological Sort)

• 위상 정렬(Topological Sort) : DAG로부터 위상순서를 얻는 절차
• 알고리즘
  
  👉 1. topologicalSort : 정점의 진입차수(in-degree)를 이용한 방법
  👉 2. topologicalSortDFS : DFS의 특화된 방법
• 1. topologicalSort : 정점의 진입차수(in-degree)를 이용한 방법

Alg topologicalSort(G)
	input a digraph G with n vertexs
    output a topological ordering V(1),...,V(n) of G,
    or an indication that G has a directed cycle
 
Q <- empty queue
for each u ∈ G.vertexs()
    in(u) <- inDegree(u)
    if(in(u) == 0)
        Q.enqueue(u)
 
i <- 1		// topological number
while(!(Q.isEmpty())
    u <- Q.dequeue()
    Label u with topological number i
    i <- i + 1
    for each e ∈ G.outIncidentEdges(u)
    	w <- G.opposite(u,e)
        in(w) <- in(w) - 1
        if(in(w) == 0)
        	Q.enqueue(w)
 
if(i <= n)	// i = n + 1, for DAG
     write("G has a directed cycle)	// DAG가 아님을 알리는 메시지 
 
return
 
 
// 각 정점에 새로운 라벨을 정의 => 현재 진입차수(inCount) : in(v) => 정점 v의 현재의 진입차수 계산

topologicalSort : 정점의 진입차수(in-degree)를 이용한 방법 예시

 

• 2. topologicalSortDFS : DFS를 활용한 위상정렬

Alg topologicalSortDFS(G)
	input DAG G
    output topological ordering of G
    
n <- G.numVertexs()
for each u ∈ G.vertexs()
    l(u) <- Fresh
for each v ∈ G.vertexs()
    if(l(v) == Fresh)
        rTopologicalSortDFS(G,v)
 
 =========================================
 
Alg rTopologicalSortDFS(G,v)	// 재귀적 DFS를 활용한 위상정렬
	input graph G, and a start vertex v of G
    output labeling of the vertexs of G
    in the connected component of v
 
l(v) <- Visited
for each e ∈ G.outIncidentEdges(v)
    w <- opposite(v,e)
    if(l(w) == Fresh)		// 간선 e는 tree 간선
        rTopologicalSortDFS(G,w)
 
Label v with topological number n
n <- n - 1		// 전역 변수로 제어할 것이다.

topologicalSortDFS : DFS를 활용한 위상 정렬 방법 예시

 

• 위상 정렬 알고리즘 비교
  
  1. topologicalSort : 정점의 진입차수를 이용한 버젼
  
  👉 O(N + M) 시간과 O(N) 공간 소요
  👉 그래프 G가 DAG라면 위상순서를 계산
  👉 그래프 G에 방향싸이클이 존재할 경우, 일부 정점의 순위를 매기지 않은 채로 "정지"
  
  2. topologicalSortDFS : DFS 활용한 버젼
  
  👉 O(N + M) 시간과 O(N) 공간 소요
  👉 그래프 G가 DAG라면 G의 위상순서를 계산
  👉 그래프 G에 방향싸이클이 존재할 경우, 허위의 위상순서를 계산 = 방향싸이클을 발견하도록 수정 가능함 !!