leetcode 210拓扑排序

思路一:深度优先搜索

1.首先我们将这些边集转化为图,题目的意思可以转化为,要访问一个节点,必须访问完其指向的其他节点才能够访问。
2.这样,我们可以采取深度优先搜索的思想,假设现在访问节点cur,循环遍历访问它指向的其他未访问过的节点(nexti,nexti+1,nexti+2next_i ,next_{i+1} , next_{i+2}nextinexti+1,nexti+2),也就是依次进行dfs(nexti),dfs(nexti+1)......dfs(next_i),dfs(next_{i+1})......dfs(nexti),dfs(nexti+1)......,如何确定这些未访问过的节点呢?我们可以采取常规的vistited[n]数组进行记录节点的访问情况,0代表未访问,1代表正在访问,2代表访问过,依次类推,直到访问完cur指向的所有节点才能够访问cur。
3.但我们还需要考虑一种特殊情况,也就是存在环的情况,如果存在环会发生什么情况?假设当前访问节点cur,我们循环遍历其指向的其他节点(nexti,nexti+1,nexti+2next_i ,next_{i+1} , next_{i+2}nextinexti+1,nexti+2),如果vistited[nextk]==1vistited[ next_k ]==1vistited[nextk]==1,也就是k是当前访问节点的祖先之一,证明存在一条边回指向了cur的祖先节点,也就是存在环。

代码:

class Solution {
public:
    vector<vector<int>> graph;
    vector<int> res;
    bool dfs(int c,vector<int> &isVistied)
    {
        isVistied[c]=1;//c正在搜索
        for(int i=0;i<graph[c].size();i++)
        {
            if(isVistied[graph[c][i]]==1)
            {
                return false;
            }
            else if(isVistied[graph[c][i]]==0)
            {
                if(!dfs(graph[c][i],isVistied))
                    return false;
            }
            //如果后继节点next已经出现在当前dfs正在搜索路径的之上,next状态为1,证明存在环
            //如果后继节点next在其后代结点搜索过程中因为存在环退出搜索,也需要向上返回false
        }
        isVistied[c]=2;//搜索完成
        res.push_back(c);
        return true;
    }
    vector<int> findOrder(int numCourses, vector<vector<int>>& prerequisites) {
        vector<int> isVistied(numCourses,0);
        graph.assign(numCourses,vector<int>());
        for(auto r: prerequisites)
        {
            graph[r[0]].push_back(r[1]);
        }
        for(int i=0;i<numCourses;i++)
        {
            if(isVistied[i]==0)
            {
                if(!dfs(i,isVistied))
                    return {};
            }
        }
        return res;
    }
};

思路二:广度优先搜索

1.维护一个数组in记录每个节点的入度
2.维护一个入度为0的集合s
3.每次从集合当中取出一个节点,将其插入结果数组res末尾,依据邻接矩阵,将其指向的所有节点的入度减一,如果在减一过程中发现某个节点入度为0则将其加入s
4.一直到s为空
5.如果res的大小等于节点个数证明存在环。

class Solution {
public:
    vector<int> findOrder(int numCourses, vector<vector<int>>& prerequisites) {
        queue<int> q;
        vector<int> res;
        vector<int> inDegree(numCourses,0);
        vector<vector<int>> graph(numCourses,vector<int>());
        for(auto r: prerequisites)
        {
            graph[r[1]].push_back(r[0]);
            inDegree[r[0]]++;
        }
        for(int i=0;i<numCourses;i++)
        {
            if(inDegree[i]==0)
            {
                q.push(i);
            }
        }
        while(!q.empty())
        {
            int t=q.front();
            q.pop();
            res.push_back(t);
            for(int i=0;i<graph[t].size();i++)
            {
                inDegree[graph[t][i]]--;
                if(inDegree[graph[t][i]]==0)
                {
                    q.push(graph[t][i]);
                }
            }
        }
        if(res.size()!=numCourses)
            res={};
        return res;
    }
};
### LeetCode 拓扑排序题目解析 #### 课程表 (Course Schedule) 在LeetCode上的经典问题之一是《课程表》[^4]。该问题描述如下: 给定 `n`门课程以及一些先修课的要求,判断是否可以完成所有课程的学习。 ##### 思路分析 这个问题可以通过检测是否存在有向无环图(DAG)来解决。具体来说,如果能够找到一种拓扑排序方式,则意味着这些课程是可以按照一定顺序全部学完的;反之如果有环存在,则无法完成所有的课程学习。 为了实现这一点,通常会采用邻接矩阵或者邻接表的形式构建图结构,并利用深度优先搜索(DFS)[^2] 或广度优先搜索(BFS)[^1] 来尝试获得一个有效的拓扑序列。 对于BFS方法,在初始化阶段需要找出入度为零的节点加入队列中作为起点,之后不断移除当前处理过的节点并更新其他相连节点的入度直到遍历结束或发现矛盾为止[^5]。 ```java public boolean canFinish(int numCourses, int[][] prerequisites) { List<Integer>[] adj = new ArrayList[numCourses]; int[] indegrees = new int[numCourses]; // 构建邻接表和计算各结点入度数 for (int[] edge : prerequisites) { if (adj[edge[1]] == null) adj[edge[1]] = new ArrayList<>(); adj[edge[1]].add(edge[0]); ++indegrees[edge[0]]; } Queue<Integer> queue = new LinkedList<>(); // 将所有入度为0的顶点入队 for (int i = 0; i < numCourses; ++i){ if(indegrees[i]==0)queue.offer(i); } while(!queue.isEmpty()){ Integer cur=queue.poll(); --numCourses; if(adj[cur]!=null){ for(Integer next:adj[cur]){ if(--indegrees[next]==0){ queue.offer(next); } } } } return numCourses==0; } ``` 这段代码实现了基于Kahn算法(即宽度优先搜索)来进行拓扑排序的过程。它首先统计每个节点的入度数目,并把那些没有任何前驱依赖关系(也就是入度等于0)的节点放进初始队列里。接着逐个取出队首元素进行访问操作——减少其指向的目标节点们的剩余未满足条件数量(即减去它们各自的入度值)。一旦某个目标节点变得不再受约束(它的新入度变为0),就立即将这个节点追加到待处理集合当中继续考察下去。最终当整个流程结束后,只要还剩下没被触及过的东西就意味着原图中含有至少一个闭环路径,从而导致任务失败;否则便成功找到了一组可行方案。
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
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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