【算法】不知道有啥用的拓扑排序

最新推荐文章于 2025-10-06 10:01:42 发布
原创 最新推荐文章于 2025-10-06 10:01:42 发布 · 905 阅读 · 1 ·
CC 4.0 BY-SA版权
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。

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
【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 8429
​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 1155
《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。
拓扑排序简介及其应用
qq_41910353的博客
05-21 1021
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...
深入理解拓扑排序：从基础到应用
fudaihb的博客
02-08 3146
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。
【算法】【优选算法】BFS 解决拓扑排序
最新发布
yj20040627的博客
10-06 1374
BFS 解决拓扑排序
算法学习-拓扑排序
蒋大钊的博客
07-23 2239
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。
图的拓扑排序及其应用
不能说的秘密的博客
12-06 5697
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。
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 8692
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
【数据结构与算法 | 图篇】拓扑排序
2301_80912559的博客
08-14 1391
拓扑排序是是一种针对有向无环图进行的排序方法。它将图中所有顶点排成一个线性序列，使得对于图中的每一条有向边(u, v)，顶点u在序列中都出现在顶点v之前。从队列中取出一个节点并输出；对于该节点指向的所有邻接节点，减少它们的入度值。如果某个邻接节点的入度变为0，则将其入队。如果输出的节点数量等于图中总节点数，则拓扑排序成功；找到所有入度为0的节点，并将它们加入到队列。
算法学习（24）—— BFS解决拓扑排序
aaqq800520的博客
01-11 920
①有向无环图（DAG图）②AOV图：顶点活动图③拓扑排序④实现拓扑排序（伪代码）还有一个步骤就是“建图”，这个我们在下面的第一道题会详细讲解。
拓扑排序及其应用
weixin_51648153的博客
12-14 2070
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
02-14 902
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
王喆峰的博客
06-06 924
【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
01-19 816
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。
拓扑排序概念
老A.的博客
12-27 3896
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 1102
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...
关于拓扑排序的几点总结
Object_的博客
11-11 1678
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...
今天学习了一种拓扑排序的用法，(之前一直觉得拓扑排序没啥用哈哈)在有向无环图(DAG)上,由于可能存在负权边，dijkstra算法肯定是不能使用了，用spfa和Floyd的话时间复杂度可能会过高，于是今天我见识到了一种非常神奇的算法。简单来说就是按拓扑排序的顺序来“松弛”每个结点的最短路径(感觉有点类似于spfa？？？)，就是通过入度为0的结点去更新他的邻接点距离源点的最短路径与入度，更新完之后再从入度为0的结点里去更新…这样求最短路的时间复杂度缩小到了O(V+E)，相当于把图遍历一遍就求出来了最短路径，非常高效。正确性证明接下来我们来简单的证明下：（这里我们用归纳法证明）我们用 dist[N] 数组来存储源点距离每个点的最短距离，用s来表示源点，N为结点数目。1.用源点(入度为0，否则将会出现环)来进行第一次“松弛”操作和相应的邻接点入度减1操作，之后取入度为0的点(记为v1)，显然最开始v1的入度为1，此时dist[v1]为源点到v1的最短距离，因为v1只有源点一个前驱结点。数学化就是:假设到达v1的最短路径为s->vi1->vi2->…vij->v1,则v1的入度至少为2（vij与s），故拓扑序中v1不可能在s之后。故拓扑排序中第1个点是正确的。2.假设拓扑排序中的前 i (i >= 1)个点的最短距离都是正确的，取出下一个入度为0的结点vi，设由此种方法得到vi的最短路径为s->vi1->vi2->…vik->vi，即此种方法vi的最短路的前驱结点为vik，以此类推;(显然此路径为s到vi1,vi2…vik的最短路径)设实际最短路径为s->vj1->vj2->…vjk->vi;（显然vjk必然为vi1，vi2…vik中的某一个点。设为vig。1<=g<=k；）则由最短路的最优性原理可知 s->vj1->vj2->…->vjk为s到vjk （vig）的最短路径；故实际最短路径与所求的的最短路径的一部分重合。假设vig(vjk) ！= vik，则通过vig结点的"松弛"操作更新的vi的最短距离将小于由vik结点的“松弛”操作更新的最短距离，因为实际的最短路是通过vjk(vig)来访问vi的，矛盾！于是vik和vjk是同一个点。故所求的最短距离为实际的最短距离。证毕！
10-04
### 拓扑排序在有向无环图（DAG）上求最短路径的算法 利用拓扑排序求DAG的单源最短路，具体步骤如下： 1. 用源点（入度为0，否则将会出现环）来进行第一次“松弛”操作和相应的邻接点入度减1操作。 2. 之后取入度为0的点（记为$v_1$），此时$dist[v_1]$为源点到$v_1$的最短距离，因为$v_1$只有源点一个前驱结点。假设到达$v_1$的最短路径为$s \rightarrow v_{i1} \rightarrow v_{i2} \rightarrow \ldots v_{ij} \rightarrow v_1$，则$v_1$的入度至少为2（$v_{ij}$与$s$），故拓扑序中$v_1$不可能在$s$之后。这样不断重复取入度为0的点进行松弛操作和入度更新，直至处理完所有节点 [^4]。 ### 算法正确性证明 - **路径节点顺序一致性**：对于无圈有向图来说，结点$S$到结点$V$的最短路径中如果存在中间结点，那么$S$，$V$和这些中间结点在最短路径中的先后顺序和在拓扑排序中的先后顺序不变，即在最短路径和拓扑排序中，都是$S$排在前面，中间节点依次排在中间，$V$排在最后面 [^2]。 - **第一个点的正确性**：在算法中，拓扑排序中第1个点（源点）是正确的。由于源点入度为0，对其邻接点进行松弛操作后，取入度为0的点$v_1$，因为$v_1$只有源点一个前驱结点，所以此时$dist[v_1]$为源点到$v_1$的最短距离 [^4]。 - **后续点的正确性**：在拓扑排序的过程中，每次选取入度为0的点进行处理，因为是有向无环图，所以在处理某个节点时，其所有前驱节点都已经处理完毕，即其前驱节点到源点的最短距离已经确定。那么在对该节点及其邻接点进行松弛操作时，能够保证得到的距离是最短的。 ### 相关代码示例（Python 伪代码） ```python from collections import defaultdict, deque def topological_sort(graph, in_degree): queue = deque([node for node in in_degree if in_degree[node] == 0]) top_order = [] while queue: node = queue.popleft() top_order.append(node) for neighbor in graph[node]: in_degree[neighbor] -= 1 if in_degree[neighbor] == 0: queue.append(neighbor) return top_order def dag_shortest_path(graph, in_degree, source): top_order = topological_sort(graph, in_degree) dist = {node: float('inf') for node in graph} dist[source] = 0 for node in top_order: for neighbor, weight in graph[node].items(): if dist[node] + weight < dist[neighbor]: dist[neighbor] = dist[node] + weight return dist ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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