It makes use of the fact that the transpose graph (the same graph with the direction of every edge reversed) has exactly the same strongly connected components as the original graph.
它利用了有向圖的這樣一個性質，一個圖和他的transpose graph(邊全部反向)具有相同的強連通分量！
算法偽代碼
Kosaraju's algorithm is simple and works as follows:
- Let G be a directed graph and S be an empty stack.
- While S does not contain all vertices:
- Choose an arbitrary vertex v not in S. Perform a depth-first search starting at v. Each time that depth-first search finishes expanding a vertex u, push u onto S.
- Reverse the directions of all arcs to obtain the transpose graph.
- While S is nonempty:
- Pop the top vertex v from S. Perform a depth-first search starting at v. The set of visited vertices will give the strongly connected component containing v; record this and remove all these vertices from the graph G and the stack S. Equivalently,breadth-first search (BFS) can be used instead of depth-first search.
需要注意的是這里的第一遍BFS搜索的時候的入隊序列，Each time that depth-first search finishes expanding a vertex u, push u onto S.只有當擴展結束了此節點之后，此節點才會被push onto S.
算法思路：
1， 后序遍歷原圖，對每個訪問到的節點標記時間戳。
2， 按照時間戳的降序遍歷反向圖，得到的每個連通塊就是一個強連通分量。
證明是很簡單的：
假設以上算法從u訪問到了v，那么說明反向圖有一條從u到v的邊，也就說明了原圖中有一條從v到u的邊，又因為u的標號是大于v的，那么，u一定在v之前訪問到（否則v的標號將大于u），并且是從u訪問到v了的（v到u也有一條路徑，否則就會從v訪問到u）。
如果應用我們第一個Tarjan算法的例子的話，第一遍DFS 得到的次序是 6 4 2 5 3 1
代碼
#include "cstdlib"
#include "cctype"
#include "cstring"
#include "cstdio"
#include "cmath"
#include "algorithm"
#include "vector"
#include "string"
#include "iostream"
#include "sstream"
#include "set"
#include "queue"
#include "stack"
#include "fstream"
#include "strstream"
using namespace std;
#define M 2000
bool vis[M]; //遍歷數組
int post[M]; //時間戳對應的點
int timestamp; //時間戳
int ComponetNumber=0; //有向圖強連通分量個數
vector <int> Edge[M]; //鄰接表表示
vector <int> Opp[M]; //原圖的反圖
vector <int> Component[M]; //獲得強連通分量結果
void dfs(int u) { //第一個dfs確定時間戳
vis[u] = true;
for(int i=0;i<Edge[u].size();i++) {
if(vis[ Edge[u][i]]) continue;
//cout<<Edge[u][i]<<endl;
dfs(Edge[u][i]);
}
//cout<<"timestamp "<<timestamp<<" "<<u<<endl;
post[timestamp++] = u;
}
void dfs2(int u) { //第二個反邊dfs確定連通塊
vis[u] = true;
Component[ComponetNumber].push_back(u);
for(int i=0;i<Opp[u].size();i++)
{
int v = Opp[u][i];
if(vis[v]) continue;
dfs2(v);
}
}
void Kosaraju(int n) {
memset(vis,0,sizeof(vis));
timestamp = 0;
for(int i=0;i<n;i++) {
if(vis[i]) continue;
dfs(i);
}
memset(vis,0,sizeof(vis));
ComponetNumber++;
for(int i=n-1;i>=0;i--) {//按時間戳從大到小搜
if(vis[post[i]]) continue;
Component[ComponetNumber].clear();
dfs2(post[i]);
ComponetNumber++;
}
ComponetNumber--; //最后我們把塊加了1。。所以要減掉
}
int main()
{
Edge[0].push_back(1);Edge[0].push_back(2);
Edge[1].push_back(3);
Edge[2].push_back(3);Edge[2].push_back(4);
Edge[3].push_back(0);Edge[3].push_back(5);
Edge[4].push_back(5);
Opp[0].push_back(3);
Opp[1].push_back(0);
Opp[2].push_back(0);
Opp[3].push_back(1);Opp[3].push_back(2);
Opp[4].push_back(2);
Opp[5].push_back(3);Opp[6].push_back(4);
int N=6;
Kosaraju(N);
cout<<"ComponetNumber is "<<ComponetNumber<<endl;
for(int i=0;i<N;i++)
{
for(int j=0;j<Component[i].size();j++)
cout<<Component[i][j];
cout<<endl;
}
return 0;
}
此算法的時間復雜度當然也是 O(M+N)（M條邊，N個點）與Tarjan算法相似。。但是在系數上不如Tarjan算法！在實際的測試中，Tarjan算法的運行效率也比Kosaraju算法高30%左右。
當然Kosaraju算法額外花費的時間，也不是白費的，它獲得了圖的一個拓撲性質哦?。?/p>
如果我們把求出來的每個強連通分量收縮成一個點，并且用求出每個強連通分量的順序來標記收縮后的節點，那么這個順序其 實就是強連通分量收縮成點后形成的有向無環圖的拓撲序列。為什么呢？首先，應該明確搜索后的圖一定是有向無環圖呢？廢話，如果還有環，那么環上的頂點對應 的所有原來圖上的頂點構成一個強連通分量，而不是構成環上那么多點對應的獨自的強連通分量了。然后就是為什么是拓撲序列，我們在改進分析的時候，不是先選 的樹不會連通到其他樹上（對于反圖GT來說），也就是后選的樹沒有連通到先選的樹，也即先出現的強連通分量收縮的點只能指向后出現的強連通分量收縮的點。那么拓撲序列不是理所當然的嗎？這就是Kosaraju算法的一個隱藏性質。
Reference ：
http://www.notonlysuccess.com/?p=181
推薦一下?。〗K于算是搞的差不多了。。下面就是做一些練習，然后鞏固提高一下！接下來剩下的最后一個算法了：Gabow 算法