如何针对有向图的最小控制集修改启发式算法

Question

要找到具有V个节点的无向​​图G的最小控制集，可以使用如下启发式算法：

1. 最初，支配集为空，D：0。
2. 在算法执行过程中，集合D根据“懒惰”原理增长，即直到D扩展到 可能。
3. 对于V中的每个顶点v，我们保留计数CovCnt [v]，这是顶点被其余顶点覆盖的次数。
4. 我们假设v与自身相邻
5. CovCnt [v]初始化为deg [v] + 1，其中deg [v]表示v的次数。
6. 我们还通过应用特殊的评分策略将顶点排为潜在中心来估计v的“重要性”。
7. 最初，顶点的分数等于其覆盖数，以反映经验法则，应首先检查低度顶点。
8. 然后，在每个步骤中，检查分数最小的顶点x，即
9. 如果存在一个覆盖数为1的相邻顶点，则将x加到D上；如果是这样，则顶点x是图形中唯一可以覆盖此类邻居的剩余顶点。因此，必须将x添加到当前的主导集D中。x的所有邻居的覆盖计数都设置为0，以将其指定为被覆盖
10. 否则，x用于减少覆盖计数并增加尚未覆盖的相邻顶点的分数。

我使用了here

中的这种算法

我的问题是，如何修改它以用于有向图？