【算法】不知道有啥用的拓扑排序

最新推荐文章于 2025-05-13 21:35:52 发布
最新推荐文章于 2025-05-13 21:35:52 发布
阅读量886 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Broken_String_/article/details/80033549
本文介绍了拓扑排序的概念，通过一个具体的家谱树问题阐述了其思路和解决方法。首先，定义了拓扑排序是基于有向无环图的排序过程，接着，解释了如何通过计算节点的入度和出度进行排序，当出现入度为0的节点时将其加入栈中，并更新其他节点的入度。文章通过一个实例展示了如何将这个思路应用于家谱树的排序，输出满足辈分关系的序列。最后，给出了输入输出样例及解决方案。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

定义

一共有好多件事情
事情A要再事情B（或者更多）事情做完才能做
然后排序！
（有向无环图）

思路

一个网上找的图便于理解（下列过程以此图为例）
这里写图片描述

  1. 记录所有点的入度和出度
  2. 找到入度为0的点加入栈中 为a
  3. 栈顶元素输出删除并把与栈顶元素相连的点的入度减一
  4. 删除过程中如果有入度为零的点也加入栈中

  5. 直到输出的数等于n完成排序

    PS：如果输出的数小于n 说明此图有环

例题

家谱树
【题目描述】
有个人的家族很大，辈分关系很混乱，请你帮整理一下这种关系。
给出每个人的孩子的信息。
输入一个序列，使得每个人的后辈都比那个人后列出。
【输入】
第一行一个整数（1<=N<=100），表示家族的人数。
接下来N行，第I行表示第I个人的儿子。
每行最后是0表示描述完毕。
【输出】
输出一个序列，使得每个人的后辈都比那个人后列出。
如果有多解输出任意一解。
【输入样例】
5
0
4 5 1 0
1 0
5 3
0
3 0
【输出样例】
2 4 5 3 1

代码

最低0.47元/天 解锁文章

200万优质内容无限畅学
【数据结构】什么是拓扑排序—关于图的拓扑排序
四季轮换叶，一路招摇胜
10-08 8254
​对一个有向无环图G进行拓扑排序，是将G中所有顶点排成一个线性序列。拓扑排序：对一个有向图构建拓扑序列的过程。 ​
数据结构 | 第十七章：贪婪算法 | 拓扑排序 | Dijkstra算法 | Kruskal算法 | Prim算法
知识库搭建ing
01-15 1098
《数据结构、算法与应用（C++语言描述）》第十七章：贪婪算法，主要包括拓扑排列、单源最短路径和最小生成树，结合课程重点的自留笔记。
图的拓扑排序及其应用
不能说的秘密的博客
12-06 5612
拓扑排序的定义对一个有向无环图G进行拓扑排序，是将G中所有顶点排成一个线性序列，使得图中任意一对顶点u和v，若边(u,v)∈E(G)，则u在线性序列中出现在v之前。通常，这样的线性序列称为满足拓扑次序(Topological Order)的序列，简称拓扑序列。简单的说，由某个集合上的一个偏序得到该集合上的一个全序，这个操作称之为拓扑排序。
拓扑排序简介及其应用
qq_41910353的博客
05-21 1004
拓扑排序是数据结构图论中的一点内容。 拓扑排序主要用来解决有向图中的依赖解析（dependency resolution）问题。 这里主要写几个模板~~~~ 题目链接(http://acm.hdu.edu.cn/showproblem.php?pid=1285) #include<iostream> #include<string.h> using namespace st...
拓扑排序算法详解
2302_80063488的博客
05-13 1306
(u → v)uv是图必须是DAG。如果图中含有环（循环依赖），则不存在有效的拓扑序列。拓扑排序的结果并不唯一——。一个有向无环图至少会有一种拓扑排序，当存在多个并行不相关的依赖关系时，可能会有多种合法的拓扑序。在以上场景中，我们都可以抽象出一个有向无环图，其中节点表示任务/课程/模块等元素，有向边表示先后依赖关系。拓扑排序可以帮助我们在线性时间内找出满足所有依赖约束的序列。
图的应用——拓扑排序（判断有向图有无回路）
syh的技术记录
05-19 8574
目录1. 拓扑排序的用处2. 拓扑排序的思想3. 代码实现 1. 拓扑排序的用处 对于有向图，我们有时候需要确保没有回路出现，如下面的例子： 学生学习的课程之间的优先关系构成了一个有向图，显然，该有向图不能出现回路，毕竟哪个学生也不想一直学习某几门课程不毕业。 而拓扑排序的作用，就是帮我们判断一个有向图是否有回路出现。 2. 拓扑排序的思想 其实拓扑排序的思想很简单： （1）在有向图中选择一个没有前驱（入度为0）的顶点输出； （2）从图中删除该顶点和所有以它为尾的弧； （3）重复（1）、（2）两步，直至全
拓扑排序及其应用
weixin_51648153的博客
12-14 2027
Leetcode210课程表2两种解法，拓扑排序以及DFS的应用。
细说拓扑排序
wxyrenqingui的博客
02-14 867
首先，拓扑排序是将一个图中所有节点排成一个线性序列，使得任意一对节点a和b，在图中a在b的上位，那么在序列中a就在b的前面，这样的序列被称为拓扑序列，因此，拓扑排序只能用于有向无环图，无向图中因为存在环路所以没有拓扑序列。 实现方法： 拓扑序列用一个队列数组储存。 拓扑排序需要用到入度的概念，一个节点的入度就是有其他点指向该点的边的数量，与之相对的还有一个点的出度是指由该点出发的指向其他点的的边的数量。 了解了入度的概念后，我们就知道任意一个入度为0的节点都可以作为拓扑序列的起点。 先将所有入度为
拓扑排序算法
Bing's Blog
11-22 1276
拓扑排序算法@(算法学习)AOV网说到拓扑排序首先需要看的一个概念是Activity On Vertex 网。关于AOE前面做过具体的探究。http://blog.youkuaiyun.com/u011240016/article/details/53171808?locationNum=1&fps=1关于如何寻找最大路径文中有具体的思考。而既然活动可以在边上，就必然意味着，活动可以在结点上。这样做有什么含义吗
基础算法--有向图 以及有向图图的一些环检测、拓扑排序、可达性检测基础 java描述
weixin_45976764的博客
06-24 300
基础算法–有向图 java描述 文章目录基础算法--有向图 java描述前言一、有向图的数据类型二、使用步骤1.引入库2.读入数据总结 前言 提示：这是一篇《算法第四版》的读后笔记，不会提供main测试，当中案例主要导入随书资料的自定义的类库 提示：以下是本篇文章正文内容，下面案例可供参考 一、有向图的数据类型 当中的**addEdge*方法其实和无向图类似，只变为了单向表示 二、使用步骤 1.引入库 代码如下（示例）： import numpy as np import pandas as pd
拓扑排序
王喆峰的博客
06-06 900
【什么是AOV网】AOV网是活动在顶点上的网（Activity On Vertex network，AOV）的英文简称。AOV网是用有向图来表示的，在有向图中，顶点表示活动，边表示活动的先后次序且没有回路。【拓扑排序核心算法】对一个有向无环图G进行拓扑排序，是将G中所有顶点排成一个线性序列，使得图中任意一对顶点u和v，若存在u到v的路径，则在拓扑排序序列中一定是u出现在v的前边。拓扑排序算法的执行...
拓扑排序介绍及其应用
mlh12356的博客
01-19 787
和。在DAG）中，一个点是多少弧的弧头称为，是多少弧的弧尾是。102最后，被删除的点的先后顺序就是这个图的拓扑序。4→3→6→5→1→2下面附上一般拓扑排序的部分代码其中ini用来存储入度，goi用来存储出度。
深入理解拓扑排序：从基础到应用
fudaihb的博客
02-08 2975
拓扑排序是图论中一项重要的算法，主要用于处理有向图中节点之间的依赖关系。这个概念源于日常生活中的任务排序需求，例如在工程项目中，不同任务之间存在先后顺序，某些任务必须在其他任务完成后才能开始。这种依赖关系的合理排序对于项目的进度和质量至关重要。 在图论中，拓扑排序解决的是有向图中节点的线性排序问题，使得图中任意一条有向边的终点在排序中都出现在起点之后。这种排序方式不仅有实际应用的需求，还在计算机科学领域中广泛应用于编译器优化、任务调度、依赖关系分析等方面。
拓扑排序概念
老A.的博客
12-27 3874
拓扑排序，顾名思义，就是一种排序方法。这是一种什么排序？这种排序的作用？然后怎么去实现这种排序算法？现在就让我们仔细研究下。 1、什么是拓扑排序，也就是拓扑排序的概念 实际上，拓扑排序是一种图论算法，该算法在《数据结构与算法》一书中有涉猎。引用维基百科的定义： 在图论中，由一个有向无环图的顶点组成的序列，当且仅当满足下列条件时，称为该图的一个拓扑排序（英语：Topological sorti...
拓扑排序总结
天际苍穹的博客
05-20 1087
算法的功能 拓扑排序的主要功能是将一个有向无环图按一定的顺序输出，使得后输出的点没有到达前面输出的点的通路 一般的应用 需要用拓扑排序的图中，顶点之间一般都有一定的先后关系，比如 {u,v} 代表u是v的父节点，或者u在v的后方等等 算法的实现 在拓扑排序中，我们需要先找到入度为0的顶点，由于图中的有向边代表了两个顶点之间的先后关系，那么当前如入度为0的点肯定比入度不为0的点要靠前...
算法学习-拓扑排序
蒋大钊的博客
07-23 2137
笔者从零基础小白开始学习，对拓扑排序的基础知识进行整理，尽量让自己理解，同时对自己的刷题路径进行总结，希望有朝一日成为算法大神。
关于拓扑排序的几点总结
Object_的博客
11-11 1641
拓扑排序的概念： 重复一个操作：（遍历入度为0的点，遍历从这个点连接的其他点） 拓扑排序的注意事项： 因为是遍历时是从一个点到其他点，也就是说，需要是有向边，再稍加推理即可得出这样一个结论：拓扑排序必须在DAG上. 拓扑排序的例题（难度由低到高）： P1137 旅行计划（普及+ 提高） P1983 车站分级（提高+ 省选-） P2883 [USACO07MAR]牛交通...
栈的作用：通过栈回溯顶点连接状态，实现平面图嵌入算法。平面图嵌入算法是啥
最新发布
07-18
<think>我们正在讨论平面图嵌入算法以及栈在其中的作用。根据用户的问题，我们需要解释平面图嵌入算法是什么，并重点说明栈如何通过回溯顶点连接状态来实现该算法。同时，用户提供了三个引用，我们可以参考这些引用来构建回答。 引用[1]提到了Tarjan算法，该算法使用栈来检测强连通分量。虽然这与平面图嵌入不完全相同，但都使用了栈和DFS的思想。 引用[2]强调了存储结构对图算法的重要性，这提示我们在描述算法时要注意数据结构的选择。 引用[3]则提到DFS可以用于提取宏观特征（骨架特征），在平面图嵌入中，DFS遍历同样重要。 平面图嵌入算法（Planar Embedding）的目标是将一个平面图（即可以在平面上绘制而没有任何边交叉的图）嵌入到平面中，即给出一个没有边交叉的布局。 一个经典的平面图嵌入算法是使用DFS遍历来构造嵌入，同时利用栈来管理边的顺序。具体来说，我们通常使用一种称为“左右手算法”或“边添加算法”的方法，并结合栈来存储和处理边。 下面我们将详细解释： 1. **平面图嵌入算法概述**： 平面图嵌入算法旨在确定图中各顶点相邻边的循环顺序（即围绕每个顶点的边按顺时针或逆时针排列的顺序），使得整个图可以在平面上无交叉地绘制。 一个重要的概念是“面”（face），即由边围成的区域。平面图嵌入需要确定这些面的边界。 2. **算法步骤（以DFS为基础）**： 我们从一个顶点开始进行DFS遍历。在遍历过程中，我们为每个顶点维护一个“邻接边列表”，并按照一定的规则（如遍历顺序）排序。同时，我们使用栈来记录在DFS回溯过程中需要处理的边。 具体步骤： a. 选择起始顶点，开始DFS遍历。 b. 当访问到一个新顶点时，将该顶点入栈，并记录其DFS序号。 c. 当遇到回边（即连接到已访问顶点的边）时，我们需要处理这个回边，并将其加入当前顶点的邻接边列表，同时更新相关面的边界。 d. 在DFS回溯时，从栈中弹出顶点，并处理其未处理的边（包括回边）。此时，栈帮助我们回溯到最近的分支点，以便继续探索其他分支。 3. **栈的作用**： 栈在算法中主要用于： - 记录DFS遍历路径，以便回溯。 - 在回溯过程中，调整边的顺序，确保在嵌入时不会出现交叉。 具体来说，当我们回溯到一个顶点时，我们会检查该顶点的所有出边（包括回边），并按照它们被访问的顺序（或者根据回边所指向的顶点的DFS序号大小）来排序。这个排序过程通常需要栈的辅助，因为栈可以记录回边所指向的祖先顶点。 4. **一个具体例子：左右手规则**： 在DFS遍历过程中，我们沿着一条边前进时，会按照一个固定的方向（比如右手法则）来排列当前顶点的邻接边。当遇到回边时，我们将这条回边加入当前顶点的邻接边列表，并放置在适当的位置（通常是在当前边序列的某个位置插入，以保持平面性）。 在回溯时，我们使用栈来存储当前顶点的状态（包括已经处理过的边和待处理的边）。当我们从子节点回溯到父节点时，我们将子节点中未处理完的边（特别是那些可能形成面的边）传递给父节点，并将父节点重新入栈以处理其他分支。 5. **与Tarjan算法的对比**： 引用[1]中Tarjan算法也使用栈来存储当前路径上的顶点，并在发现强连通分量时弹出栈顶元素。在平面图嵌入算法中，栈的使用有相似之处（都是DFS遍历），但目的不同：平面图嵌入算法中栈主要用于管理边的嵌入顺序，而Tarjan算法中栈用于记录强连通分量。 6. **算法实现（伪代码）**： 由于平面图嵌入算法较为复杂，这里给出一个简化的描述： ``` 初始化：所有顶点未访问，为每个顶点创建一个空的邻接边列表（用于存储嵌入顺序） 栈初始化（存储顶点） DFS遍历（从顶点v开始）： 标记v为已访问 将v入栈 对于v的每个邻接点w（按某种初始顺序）： 如果w未访问： 将边(v,w)加入v的邻接边列表（按遍历顺序） 递归DFS(w) 否则（w已访问，且w在栈中，即回边）： 将回边(v,w)加入v的邻接边列表（注意：这里需要插入到合适的位置，通常是在当前边序列的某个位置） 回溯阶段： 从栈中弹出v // 在弹出后，可能需要处理回边，调整父顶点的邻接边列表 // 具体调整方法：将v的邻接边列表中未处理的回边传递给父节点（即栈顶的下一个元素，也就是v的父节点） if 栈非空: 父节点 = 栈顶元素 将v中未处理的回边（即指向祖先的边）传递给父节点，并插入到父节点的邻接边列表的适当位置 ``` 注意：实际算法（如Hopcroft-Tarjan算法）更复杂，需要处理多个细节，比如如何确定插入位置，如何保证平面性等。 7. **总结**： 平面图嵌入算法利用DFS遍历和栈来回溯顶点并调整边的顺序，从而得到一个无交叉的嵌入。栈在回溯过程中起到关键作用，它允许我们沿着DFS路径返回，并在返回过程中逐步构建每个顶点的邻接边顺序，最终形成平面嵌入。 根据以上内容，我们可以形成回答。 注意：用户提供的引用[3]提到DFS可以提取宏观骨架特征，在平面图嵌入中，DFS遍历同样能够帮助我们构建图的骨架（即无交叉的嵌入结构）。 最后，按照要求生成相关问题。</think>### 平面图嵌入算法及其栈回溯实现详解 #### 一、平面图嵌入算法定义 **平面图嵌入算法**（Planar Embedding Algorithm）是一种将图结构在平面上无交叉绘制的算法，核心是确定图中顶点和边的空间排列顺序，确保任意两条边仅在顶点处相交。其数学本质是**欧拉公式**的应用： $$V - E + F = 2$$ 其中 $V$ 为顶点数，$E$ 为边数，$F$ 为面数。算法需满足平面图的充分必要条件： $$E \leq 3V - 6 \quad (\text{当} V \geq 3)$$ #### 二、栈在算法中的作用机制 栈通过 **DFS遍历 + 回溯** 管理顶点连接状态，实现以下关键功能： | **步骤** | 栈操作 | 目的 | |------------------|---------------------|-------------------------------| | **DFS遍历** | 顶点入栈 | 记录当前路径的顶点访问顺序 | | **检测回边** | 比较栈顶顶点低链接值 | 识别环结构（潜在交叉区域）[^1] | | **回溯调整** | 栈顶顶点出栈 | 重构邻接边顺序避免交叉 | | **面边界生成** | 栈中路径作为边界 | 构建平面图的面（Face）结构 | #### 三、具体实现案例：基于栈的DCEL构建 **目标**：构建双向连接边表（DCEL）存储平面图拓扑关系，以以下图为例： ``` A → B → C ↓ ↑ ↓ D → E ← F ``` **算法流程**（结合栈回溯）： ```python def planar_embedding(graph): stack = [] # 存储DFS路径顶点 dcel = DCEL() # 双向连接边表 visited = set() def dfs(v): visited.add(v) stack.append(v) # 顶点入栈 for neighbor in graph.neighbors(v): if neighbor not in visited: dfs(neighbor) # 递归深入 else: # 检测回边（潜在交叉） if neighbor in stack: adjust_edges(stack, v, neighbor) # 关键回溯调整[^1] # 回溯阶段：构建面边界 if is_articulation_point(v): # 判断关节点 face_edges = backtrack_face(stack) dcel.add_face(face_edges) stack.pop() # 顶点出栈 dfs(start_vertex) return dcel ``` **栈回溯关键函数**： 1. **边交叉检测与调整**： ```python def adjust_edges(stack, current, ancestor): # 获取当前顶点到祖先顶点的路径 path = stack[stack.index(ancestor):] # 检查路径是否形成交叉环 if has_crossing_edges(path, current): # 重构邻接表顺序（避免交叉） reorder_adjacency(current, ancestor, path) ``` *原理*：通过栈中存储的路径，计算顶点间 **相对位置关系**，若边 $(v_i, v_j)$ 与 $(v_m, v_n)$ 满足： $$\frac{(v_j - v_i) \times (v_m - v_i)} {(v_n - v_i) \times (v_m - v_i)} < 0$$ 则判定为交叉，需调整连接顺序[^2]。 2. **面边界生成**： ```python def backtrack_face(stack): face_edges = [] # 从栈顶向下回溯至最近关节点 for i in range(len(stack)-1, 0, -1): edge = (stack[i], stack[i-1]) face_edges.append(edge) if is_articulation_point(stack[i-1]): break return face_edges ``` *输出*：栈中路径 `[F, E, B, C]` → 生成面边界 $\{F→E, E→B, B→C\}$ #### 四、算法应用场景 1. **GIS多边形拓扑生成** - 路网分割：将城市路网分解为无交叉多边形区块（如交通小区）[^5] - 示例：栈回溯处理顶点时生成地块边界 $\{A→B→C→A\}$ 和 $\{D→E→F→D\}$ 2. **电路板布线** - 避免导线交叉：栈记录当前布线路径，回溯时调整导线走向 3. **3D模型三角剖分** - 将模型表面剖分为无交叉三角形面片（栈管理顶点插入顺序） #### 五、性能优化策略 1. **栈深度压缩** - 仅存储关节点（Articulation Points），空间复杂度从 $O(V)$ 降至 $O(\log V)$ 2. **增量式嵌入** - 动态添加边时局部回溯，仅重处理受影响子图（引用栈中局部路径）[^2] 3. **并行化处理** - 将图分割为子图，各子图独立使用栈嵌入，最后合并结果 > **为何栈比队列更适用**？ > 平面嵌入需严格遵循 **路径连续性**（LIFO特性），而队列（BFS）会破坏顶点间的几何邻近关系，导致交叉检测失效[^3]。 --- ### 总结 平面图嵌入算法的本质是 **通过几何约束消除边交叉**，栈在其中扮演核心角色： 1. **状态记录**：DFS路径顶点存储 2. **动态调整**：回溯时重构邻接顺序 3. **拓扑生成**：基于栈路径构建面结构 未来可结合 **GPU并行栈** 加速大规模GIS路网处理（如全国路网嵌入）[^4]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值