Introducere în teoria grafurilor

Autori: Ștefan-Cosmin Dăscălescu, Ștefan-Iulian Alecu

Cunoștințe necesare

În cele ce urmează vom prezenta o structură de date cu foarte multe aplicații atât în algoritmică, cât și în viața de zi cu zi, acestea fiind grafurile. Problema aflării existenței unor conexiuni sau aflării distanței minime între două noduri reprezintă un punct de plecare pentru majoritatea algoritmilor pe grafuri, teoria folosită în algoritmică fiind una vastă și plină de abordări ce se dovedesc a fi esențiale în foarte multe situații, atât competiționale, cât și în aplicații practice.

Noțiuni introductive#

Terminologie#

Un graf este o structură care corespunde unui grup de obiecte, în care unele perechi de obiecte sunt într-un anumit sens „legate” reciproc. Obiectele corespund unor abstracții matematice numite într-un graf noduri/vârfuri (numite și puncte) și fiecare legătură dintre perechile de obiecte asociate se numește muchie (numită și arc sau linie, prin care este și reprezentată).

O definiție mai riguroasă ce se va dovedi utilă este prezentată aici:

Noțiunea de graf

Un graf $G = (V, E)$ este o structură matematică compusă din două mulțimi:

$V$ (mulțimea vârfurilor sau nodurilor), care reprezintă obiectele;
$E \subseteq V \times V$ (mulțimea muchiilor sau arcelor), care reprezintă legăturile între perechi de vârfuri.

Fiecare element $ v \in V$ este numit vârf (sau nod), iar fiecare element $ e = (u, v) \in E$ este numit muchie (sau arc). În mod obișnuit, grafurile sunt reprezentate grafic printr-un set de puncte (corespunzătoare vârfurilor) conectate prin linii sau curbe (corespunzătoare muchiilor).

Voi continua prin a defini termeni ce se dovedesc a fi esențiali pentru înțelegerea grafurilor.

Graf orientat și neorientat

Un graf neorientat $G = (V, E)$ este un graf în care perechile de vârfuri $(u, v) \in E$ sunt neordonate. Aceasta înseamnă că, dacă $(u, v) \in E$ este o muchie de la $u$ la $v$, atunci și $(v, u) \in E$.

Prin comparație, un graf orientat este un graf în care perechile de vârfuri $(u, v) \in E$ sunt ordonate. Aceasta înseamnă că, dacă $(u, v) \in E$, atunci $(v, u) \not\in E$.

Noduri adiacente

Două noduri $u$ și $v$ sunt adiacente în graful $G = (V, E)$ dacă există o muchie $ (u, v) \in E $. Adică, există o legătură directă între $u$ și $v$.

Formal: $$ u \text{ și } v \text{ sunt adiacente} \iff (u, v) \in E \text{ sau } (v, u) \in E \text{ (în cazul grafurilor neorientate)} $$

Incidență

Folosim noțiunea de incidență pentru a descrie relația dintre noduri și muchii. O muchie $(u, v) \in E$ este incidentă cu nodurile $u$ și $v$.

Gradul unui nod

Definim gradul unui nod $v$ dintr-un graf $G = (V, E)$ ca fiind numărul de muchii incidente cu $v$.

Într-un graf neorientat, gradul nodului $v$, notat $\deg(v)$, este numărul de muchii care au $v$ ca una dintre extremități.

\[\deg(v) = |\{(u, v) \in E \text{ sau } (v, u) \in E \mid u \in V\}|\]

Într-un graf orientat, se pot defini două tipuri de grad: - Gradul intern (numărul de muchii care intră în nodul $v$), notat $\deg^-(v)$: $$ \deg^-(v) = |{(u, v) \in E \mid u \in V}| $$ - Gradul extern (numărul de muchii care ies din nodul $v$), notat $\deg^+(v)$: $$ \deg^+(v) = |{(v, u) \in E \mid u \in V}| $$

Observație

Într-un graf neorientat $G = (V, E)$:

\[ \sum_{v \in V} \deg(v) = 2k,\,k \in \mathbb{N} \]

Explicația este dată de faptul că pentru fiecare muchie adăugată, gradul a două noduri crește cu $1$.

Lanț

Numim lanț o secvență de noduri $(v_1, v_2, ..., v_k)$ cu proprietatea că $(v_i, v_{i + 1}) \in E$ oricare ar fi $1 \leq i \leq k$. Un lanț este elementar dacă $v_i \neq v_j$ oricare ar fi $1 \leq i < j \leq k$. Un lanț este simplu dacă $(v_i, v_{i + 1}) \neq (v_j, v_{j+1})$ oricare ar fi $1 \leq i < j \leq k$.

Altfel spus, un lanț elementar este un lanț cu nodurile distincte, iar un lanț simplu este un lanț cu muchii distincte.

Ciclu

O secvență de muchii $(v_1, v_2, ..., v_k, v_1)$ formează un ciclu dacă $(v_i, v_{i + 1}) \in E$ pentru orice $1 \leq i < k$ și $(v_k, v_1) \in E$. Un ciclu este simplu dacă $v_i \neq v_j$ pentru orice $1 \leq i < j < k$.

Altfel spus, un ciclu reprezintă o secvență de muchii ce nu se repetă, pleacă de la un nod $v_1$ și parcurgând în ordine acele muchii, se ajunge tot la nodul $v_1$. Un ciclu simplu este un ciclu în care nu se repetă noduri.

Lungimea unui lanț

Lungimea unui lanț $(v_1, v_2, ..., v_k)$ este $k-1$ (numărul de muchii). Uneori, aceasta se definește ca fiind numărul de noduri, așadar lungimea acestui lanț este $k$.

Graf parțial și subgraf

Definim graf parțial al unui graf dat ca fiind ceea ce rămâne din graful dat păstrând toate nodurile și eliminând eventual unele muchii, fără a adăuga muchii noi.

Formal spus, un graf parțial $G' = (V, E')$ a grafului $G = (V, E)$ este un graf unde $E' \subseteq E$.

Definim subgraf al unui graf dat ca fiind ceea ce rămâne din graful dat eliminând unele noduri și doar muchiile incidente lor, deci nu și alte muchii și fără să adăugăm alte muchii.

Formal spus, un subgraf $G' = (V', E')$ al unui graf $G = (V, E)$ este un graf unde $V' \subseteq V$ și $E' \subseteq \{(u, v) \in E \mid u, v \in V'\}$.

Observație

Numărul de subgrafuri ale unui graf $G = (V, E)$ este $2^{|V|}$, iar numărul de grafuri parțiale este $2^{|E|}$, unde $|V| = n$ este numărul de noduri, iar $|E| = m$ este numărul de muchii al grafului.

Câteva tipuri speciale de grafuri#

Se remarcă faptul că în funcție de tipul grafului, mai putem defini următoarele tipuri de grafuri, care se vor folosi în diferite aplicații. De notat ca pentru unele din aceste tipuri, vom avea probleme unde vom explica în detaliu noțiunile și aplicațiile unde folosim aceste concepte.

Graf complet $K_n$

Definim un graf complet $K_n = (V, E)$ cu $|V| = n$ ca fiind un graf unde $(v_i, v_j) \in E\ \forall 1 \leq i < j \leq n$. Altfel spus, fiecare nod este conectat cu toate celelalte noduri.

Numărul de muchii ale unui graf complet $K_n$ este $|E| = \frac{n(n-1)}{2}$.

Graf bipartit

Definim un graf bipartit $G = (A, B, E)$ ca fiind un graf care poate fi împărțit în două submulțimi $V = A \cup B$ cu $A \cap B = \emptyset$, astfel încât, dacă $a \in A$, atunci acesta se poate conecta doar cu $b \in B$ și viceversa.

Observație

Are loc următoarea relație pentru un graf bipartit $G = (A, B, E)$: $$ \sum_{a \in a} \deg(a) = \sum_{b \in B} \deg(b) = |E| $$

Observație

Un graf este bipartit dacă și numai dacă acesta nu conține un ciclu de lungime impară.

Graf planar

Definim un graf planar ca fiind un graf care are proprietatea că poate fi reprezentat grafic fără ca două muchii să se intersecteze.

Graf regulat

Un graf regulat $G = (V, E)$ este un graf în care $\deg(v) = k\ \forall v \in V$. Adică, fiecare nod din graf are același număr de muchii incidente.

Un graf regulat cu nodurile de gradul $k$ se numește graf $k$-regulat.

Observație

Condiția necesară și suficientă pentru ca un graf $k$-regulat de ordin $n$ să existe este ca $n \geq k + 1$ și că $nk$ este par.

Numărul de muchii este maxim într-un graf complet $K_n$, acesta fiind $\frac{n(n - 1)}{2}$ cu fiecare nod de gradul $n - 1$. Așadar, $k = n - 1$, sau $n = k + 1$ este $n$ minim pentru un $k$ anume. De asemenea, după relația de mai sus, avem $\frac{nk}{2}$ muchii, deci $nk$ trebuie să fie par.

Lucrul cu grafuri. Moduri de reprezentare în memorie#

Un concept foarte important în teoria grafurilor reprezintă modul în care parcurgem aceste structuri de date și cum putem verifica proprietățile de care avem nevoie, de la o problemă la alta.

Să considerăm graful neorientat din figura următoare:

Acest graf are $13$ noduri și $12$ muchii, acestea fiind $(1, 4)$, $(1, 3)$, $(4, 9)$, $(9, 3)$, $(4, 2)$, $(4, 6)$, $(2, 6)$, $(2, 5)$, $(8, 12)$, $(8, 11)$, $(8, 10)$, $(8, 7)$.

Pentru a reprezenta un graf în memorie, există trei moduri principale de a o face, cu distincția că în practică se va folosi doar reprezentarea prin liste de vecini.

Definiție: Definim matricea de adiacență a unui graf ca fiind o matrice binară pentru care $a_{ij} = 1$ dacă și numai dacă avem muchie de la nodul $i$ la nodul $j$ și $a_{ij} = 0$ în caz contrar.

Observație: Pentru un graf neorientat, matricea este mereu simetrică, adică $a_{ij} = a_{ji}\ \forall i, j$.

Pentru graful nostru de mai sus, aceasta este matricea de adiacență la care ajungem.

Listă de vecini

Definim o listă de vecini ca fiind o listă (de regulă, alocată dinamic) pe care o folosim pentru a ține în memorie pentru fiecare nod doar nodurile adiacente cu acesta, această metodă fiind cea mai eficientă din punct de vedere practic pentru a parcurge grafurile.

Exemplu

Pentru graful de mai sus, aceasta este lista de vecini:

Nod	Vecini
1	$\{3,4\}$
2	$\{4,5,6\}$
3	$\{1,9\}$
4	$\{1,2,9\}$
5	$\{2\}$
6	$\{2, 4\}$
7	$\{8\}$
8	$\{7,10,11,12\}$
9	$\{3,4\}$
10	$\{8\}$
11	$\{8\}$
12	$\{8\}$
13	$\emptyset$

Listă de muchii

Definim o listă de muchii ca fiind o listă pe care o folosim pentru a ține toate muchiile în memorie. Deși nu este o variantă prea practică de a efectua parcurgerile, această metodă poate fi utilă pentru anumiți algoritmi ce se bazează în principal pe prelucrarea muchiilor, un astfel de exemplu fiind arborele parțial de cost minim.

Exemplu

În cazul nostru, lista de muchii este: $\{1, 4\}$,$\{1, 3\}$, $\{4,9\}$,$\{9,3\}$,$\{4,2\}$,$\{4,6\}$,$\{2,6\}$,$\{2,5\}$,$\{8,12\}$,$\{8,11\}$,$\{8,10\}$,$\{8,7\}$.

Conexitate. Parcurgerea DFS#

Problema aflării conexității unui graf este una din problemele fundamentale ale teoriei grafurilor, fiind adesea folosită drept un exemplu esențial în explicarea și înțelegerea grafurilor.

Graf conex

Un graf conex este un graf neorientat în care există o cale între oricare două noduri. Cu alte cuvinte, oricare două noduri din graf sunt conectate direct sau indirect printr-o serie de muchii.

Componenta conexă

O componentă conexă a unui graf este un subgraf conex maximal, adică un subgraf în care oricare două noduri sunt conectate printr-o serie de muchii, iar acest subgraf nu poate fi extins adăugând vreun alt nod sau vreo altă muchie fără a pierde proprietatea de conexitate.

Pentru a rezolva problema aflării conexității unui graf, va trebui să parcurgem graful folosind unul din algoritmii consacrați pentru această problemă. În cazul de față, vom continua prin a explica parcurgerea în adâncime a grafului (DFS sau depth-first search), una din parcurgerile optime pentru această problemă.

Parcurgerea în adâncime (DFS)

Parcurgerea în adâncime (DFS) este un algoritm de explorare a grafului care începe de la un nod ales și vizitează cât mai mult posibil din vecinii acestuia înainte de a se întoarce înapoi. Aceasta se realizează printr-o strategie de backtracking recursivă sau prin utilizarea unei stive (stack).

DFS începe de la un nod și vizitează toate nodurile pe care le poate atinge în adâncime înainte de a reveni la nodurile anterioare și verifică dacă un nod a fost deja vizitat pentru a evita bucle infinite.

Observație

Complexitatea parcurgerii în adâncime (DFS) este $O(\lvert V \rvert + \lvert E \lvert)$, unde $\lvert V \rvert$ reprezintă numărul de noduri sau vârfuri și $\lvert E \rvert$ reprezintă numărul de muchii.

Observație

În probleme se notează convențional $\lvert V \rvert$ cu $N$ de la noduri, respectiv $\lvert E \rvert$ cu $M$ de la muchii. n.red.

Observație

Se remarcă faptul că un nod va fi vizitat la un moment dat doar o singură dată, deci dacă avem muchiile $(1, 2)$, $(1, 3)$ și $(2, 3)$, iar DFS-ul pleacă din $1$, $2$ va fi accesat din $1$, iar $3$ va fi accesat din $2$.

Observație

Se poate remarca faptul că ordinea în care vizităm nodurile în graf depinde de ordinea în care sunt adăugate muchiile în graf, acest lucru înseamnă că nu putem folosi DFS pentru anumite probleme, de exemplu cele la care trebuie aflată distanța minimă în graf.

Ca o recapitulare (sau de fapt comparație) între BFS și DFS, să comparăm fiecare abordare împreună cu o funcție:

DFSBFS

vector<vector<int>> graph;

void dfs(int node, vector<bool>& visited) {
    visited[node] = true;

    // Ca exemplu
    cout << node << ' '; 

    for (int neighbor : graph[node]) {
        if (!visited[neighbor]) {
            dfs(neighbor, visited);
        }
    }
}

vector<vector<int>> graph;
vector<int> dist; 
queue<int> q; 

void bfs(int startNode) {
    q.push(startNode);
    dist[startNode] = 0;

    while (!q.empty()) {
        int node = q.front();
        q.pop();

        for (auto neighbor : graph[node]) {
            if (dist[neighbor] == -1) { 
                dist[neighbor] = dist[node] + 1; 
                q.push(neighbor); 
            }
        }
    }
}

Problema Connected components de pe kilonova#

Se dă un graf neorientat $G$ cu $N$ noduri și $M$ muchii. Să se afle câte componente conexe are graful dat.

Pentru a afla numărul de componente conexe ale unui graf, putem folosi parcurgerea DFS pentru a afla toate nodurile din care apelăm DFS din funcția main, acesta fiind și răspunsul la problema noastră.

#include <iostream>
#include <vector>

using namespace std;

vector<vector<int>> adj;
vector<bool> visited;

void dfs(int node) {
    visited[node] = true;

    for (int next : adj[node]) {
        if (!visited[next]) {
            dfs(next);
        }
    }
}

int main() {
    int n, m;
    cin >> n >> m;

    adj.resize(n + 1);
    visited.resize(n + 1, false);

    for (int i = 0; i < m; ++i) {
        int a, b;
        cin >> a >> b;

        adj[a].push_back(b);
        adj[b].push_back(a);
    }

    int cc = 0;
    for (int i = 1; i <= n; ++i) {
        if (!visited[i]) {
            ++cc;
            dfs(i);
        }
    }

    cout << cc << '\n';
    return 0;
}

Drumuri minime. Parcurgerea BFS#

Dacă în cazul parcurgerii DFS putem să o aplicăm fără mari probleme pentru o varietate destul de largă de probleme cu grafuri, totuși nu este suficientă pentru problemele ce țin de distanțe. Un exemplu fundamental este acela al aflării drumului minim între două sau mai multe noduri într-un graf dat.

Drum minim

Un drum minim este lungimea minimă a unui lanț care leagă două noduri din graf.

Motivul pentru care nu putem afla drumul minim între două noduri folosind DFS este acela că ordinea în care nodurile sunt parcurse în DFS depinde de ordinea în care sunt date muchiile de la intrare, parcurgerea recursivă făcând aflarea distanțelor minime imposibilă. Astfel, vom introduce un alt mod de a parcurge graful nostru.

Parcurgerea în lățime (BFS)

Parcurgerea în lățime** (BFS, engl. breadth-first search) a unui graf ca fiind o parcurgere iterativă ce pleacă de la unul sau mai multe noduri, iar la fiecare pas, dacă ne aflăm la un nod $x$, vom vizita vecinii nevizitați ai nodului $x$, adăugându-i într-o coadă, nodurile fiind parcurse în ordinea în care au fost adăugate în coadă.

Observație

Complexitatea parcurgerii în lățime (BFS) este $O(\lvert V \rvert + \lvert E \lvert)$, unde $\lvert V \rvert$ reprezintă numărul de noduri sau vârfuri și $\lvert E \rvert$ reprezintă numărul de muchii.

Observație

Se poate remarca faptul că ordinea în care vizităm nodurile în graf va fi aceeași cu ordinea crescătoare a distanței minime față de nodul sau nodurile inițiale, datorită faptului că ele vor fi inserate în coadă în ordinea în care acestea au fost adăugate.

Problema Simple Shortest Path de pe kilonova#

Se dă un graf neorientat $G$ cu $N$ noduri și $M$ muchii, precum și un nod $S$. Să se afle lungimea drumului minim dintre $S$ și fiecare nod din graf, inclusiv $S$.

Pentru a rezolva această problemă, vom pleca cu un BFS din nodul $S$ și vom afla pe parcurs, distanțele minime față de toate celelalte noduri.

#include <iostream>
#include <queue>
#include <vector>

using namespace std;

int main() {
    int n, m, s;
    cin >> n >> m >> s;

    vector<vector<int>> graf(n);
    vector<int> ans(n, -1);
    queue<int> q;

    for (int i = 0; i < m; i++) {
        int a, b;
        cin >> a >> b;
        graf[a].push_back(b);
        graf[b].push_back(a);
    }

    ans[s] = 0;
    q.push(s);

    while (!q.empty()) {
        int nod = q.front();
        q.pop();

        for (auto x : graf[nod]) {
            if (ans[x] == -1) {
                ans[x] = ans[nod] + 1;
                q.push(x);
            }
        }
    }

    for (const auto& x : ans) {
        cout << x << " ";
    }

    cout << '\n';

    return 0;
}

Problema grarb de pe infoarena#

Se dă un graf $G$ neorientat cu $N$ noduri numerotate de la $1$ la $N$ și $M$ muchii. Determinați numărul minim de muchii care trebuie eliminate și numărul minim de muchii care trebuie adăugate în graful $G$ astfel încât acesta sa devina arbore.

Această problemă se împarte în două subprobleme relativ ușor de identificat - aflarea componentelor conexe ale grafului (dacă avem $nr$ componente conexe, va fi nevoie de $nr - 1$ muchii pentru a transforma graful într-unul conex), precum și aflarea numărului de muchii care trebuie scoase pentru a transforma graful în arbore (la final, trebuie să ne rămână $N-1$ muchii). Astfel, vom avea nevoie de $nr - 1$ muchii noi și va trebui să scoatem $M + nr - 1 - (N - 1)$ = $M + nr - N$ muchii pentru a avea un arbore.

#include <fstream>
#include <vector>

using namespace std;


vector<vector<int>> adj;
vector<bool> visited;

void dfs(int nod) {
    visited[nod] = true;
    for (int next : adj[nod]) {
        if (!visited[next]) dfs(next);
    }
}

int main() {
    ifstream fin("grarb.in");
    ofstream fout("grarb.out");

    int n, m, nr = 0;

    fin >> n >> m;

    adj.resize(n);
    visited.resize(n, false);

    for (int i = 1; i <= m; i++) {
        int a, b;
        fin >> a >> b;
        adj[a].push_back(b);
        adj[b].push_back(a);
    }

    for (int i = 0; i < n; i++)
        if (!visited[i]) {
            dfs(i);
            nr++;
        }

    // Numărul de muchii ce trebuiesc șterse
    fout << m + nr - 1 - (n - 1) << '\n';
    // Numărul de componente conectate
    fout << nr - 1 << '\n';
    return 0;
}

Problema Graf (OJI 2006) de pe kilonova#

Se dă un graf neorientat conex cu $N$ noduri și două noduri $X$ și $Y$, să se afle nodurile ce aparțin tuturor lanțurilor optime între $X$ și $Y$.

Pentru a rezolva această problemă, va trebui mai întâi să aflăm folosind o parcurgere de tip BFS distanțele minime de la $X$ și $Y$ spre toate celelalte noduri. Apoi, pentru fiecare distanță $d$ de la $0$ la $\operatorname{dist}(X, Y)$, vrem să aflăm câte noduri se află pe unul din drumurile optime de la $X$ la $Y$ la o distanță $d$ față de $X$. În cele din urmă, vrem să afișăm nodurile situate la distanțele care apar o singură dată în mulțimea nodurilor ce fac parte din cel puțin un drum optim de la $X$ la $Y$.

Codul sursă se poate viziona mai jos.

#include <fstream>
#include <queue>
#include <vector>
using namespace std;

constexpr int MAXN = 7500;

vector<vector<int>> graph(MAXN + 1);
vector<int> ans;

void bfs(int startNode, vector<int>& dist) {
    queue<int> q;
    q.push(startNode);
    dist[startNode] = 0;

    while (!q.empty()) {
        int node = q.front();
        q.pop();

        for (auto neighbor : graph[node]) {
            if (dist[neighbor] == -1) {
                dist[neighbor] = dist[node] + 1;
                q.push(neighbor);
            }
        }
    }
}

vector<int> distX, distY, solFreq;

int main() {
    distX.reserve(MAXN + 1);
    distY.reserve(MAXN + 1);
    solFreq.reserve(MAXN + 1);

    ifstream fin("graf.in");
    ofstream fout("graf.out");

    int n, m, x, y;
    fin >> n >> m >> x >> y;

    while (m--) {
        int a, b;
        fin >> a >> b;
        graph[a].push_back(b);
        graph[b].push_back(a);
    }

    distX.resize(n + 1, -1);
    distY.resize(n + 1, -1);
    solFreq.resize(n + 1, 0);

    bfs(x, distX);
    bfs(y, distY);

    int totalDist = distX[y];
    // Lungimea totală a drumului va fi egală cu distX[y].
    for (int i = 1; i <= n; i++) {
        if (distX[i] == -1 || distY[i] == -1) {
            continue;
        }

        if (distX[i] + distY[i] == totalDist) {
            solFreq[distX[i]]++;
        }
    }

    for (int i = 1; i <= n; i++) {
        if (distX[i] == -1 || distY[i] == -1) {
            continue;
        }

        if (distX[i] + distY[i] == totalDist && solFreq[distX[i]] == 1) {
            ans.push_back(i);
        }
    }

    fout << ans.size() << '\n';
    for (const auto& node : ans) {
        fout << node << ' ';
    }

    return 0;
}

Detectarea unui ciclu simplu - Round Trip CSES #

În această problemă, trebuie să găsim un ciclu simplu într-un graf neorientat. Există foarte mulți algoritmi care rezolvă această problemă corect, dar un algoritm care este foarte simplu și ușor de înțeles constă în următorii pași:

Pentru fiecare componentă conexă, vom rula un DFS din unul din noduri și vom afla un arbore DFS (pentru fiecare nod din componentă, vom ține $prv[i]$ drept nodul de unde am ajuns să vizităm nodul $i$, într-un mod similar cu modul în care ținem părinții unui nod în arbore).
Dacă la un pas dăm de un nod care a fost deja vizitat și nu este părintele nodului curent, înseamnă că avem un ciclu între cele două noduri în cauză.
Pentru cele două noduri găsite, vom folosi vectorul prv creat anterior pentru a merge înapoi prin nodurile găsite, iar acest drum va fi ciclul pe care îl vom obține.

Mai jos găsiți implementarea C++ a soluției descrise mai sus.

#include <iostream>
#include <vector>

using namespace std;

vector<vector<int>> graph;
vector<int> visited, prv;

int fi, lst;
void dfs(int parent, int node) {
    visited[node] = 1;
    for (int i = 0; i < (int) graph[node].size(); i++) {
        int nxt = graph[node][i];
        if (nxt == parent) {
            continue;
        }
        if (visited[nxt]) {
            fi = node;
            lst = nxt;
        }
        else {
            prv[nxt] = node;
            dfs(node, nxt);
        }
    }
}
int main() {

    ios_base::sync_with_stdio(false);
    cin.tie(NULL);

    int n, m;
    cin >> n >> m;

    graph.resize(n+1);
    prv.resize(n+1);
    visited.resize(n+1);
    for (int i = 1; i <= m; i++) {
        int a, b;
        cin >> a >> b;
        graph[a].push_back(b);
        graph[b].push_back(a);
    }

    for (int i = 1; i <= n; i++) {
        if (!visited[i]) {
            dfs(0, i);
        }
    }

    if (fi == 0) {
        cout << "IMPOSSIBLE";
        return 0;
    }
    vector<int> cycle;
    cycle.push_back(fi);
    while (lst != fi) {
        cycle.push_back(lst);
        lst = prv[lst];
    }
    cycle.push_back(fi);

    cout << cycle.size() << '\n';
    for (auto x : cycle) {
        cout << x << " ";
    }
    return 0;
}

Nod	Vecini
1	\(\{3,4\}\)
2	\(\{4,5,6\}\)
3	\(\{1,9\}\)
4	\(\{1,2,9\}\)
5	\(\{2\}\)
6	\(\{2, 4\}\)
7	\(\{8\}\)
8	\(\{7,10,11,12\}\)
9	\(\{3,4\}\)
10	\(\{8\}\)
11	\(\{8\}\)
12	\(\{8\}\)
13	\(\emptyset\)

Introducere în teoria grafurilor

Noțiuni introductive#

Terminologie#

Câteva tipuri speciale de grafuri#

Lucrul cu grafuri. Moduri de reprezentare în memorie#

Conexitate. Parcurgerea DFS#

Problema Connected components de pe kilonova#

Drumuri minime. Parcurgerea BFS#

Problema Simple Shortest Path de pe kilonova#

Problema grarb de pe infoarena#

Problema Graf (OJI 2006) de pe kilonova#

Detectarea unui ciclu simplu - Round Trip CSES #

Probleme suplimentare#

Lectură suplimentară#

Introducere în teoria grafurilor

Noțiuni introductive#

Terminologie#

Câteva tipuri speciale de grafuri#

Lucrul cu grafuri. Moduri de reprezentare în memorie#

Conexitate. Parcurgerea DFS#

Problema Connected components de pe kilonova#

Drumuri minime. Parcurgerea BFS#

Problema Simple Shortest Path de pe kilonova#

Problema grarb de pe infoarena#

Problema Graf (OJI 2006) de pe kilonova#

Detectarea unui ciclu simplu - Round Trip CSES#

Probleme suplimentare#

Lectură suplimentară#

Detectarea unui ciclu simplu - Round Trip CSES #