初学python记录:力扣2192. 有向无环图中一个节点的所有祖先

本文介绍了如何在给定有向无环图中,通过邻接矩阵和邻接列表两种方式构建图,并利用深度优先搜索算法寻找每个节点的祖先节点,同时优化了代码以避免重复访问和提高效率,最终解决了超时问题。

题目:

给你一个正整数 n ,它表示一个 有向无环图 中节点的数目,节点编号为 0 到 n - 1 (包括两者)。

给你一个二维整数数组 edges ,其中 edges[i] = [fromi, toi] 表示图中一条从 fromi 到 toi 的单向边。

请你返回一个数组 answer,其中 answer[i]是第 i 个节点的所有 祖先 ,这些祖先节点 升序 排序。

如果 u 通过一系列边,能够到达 v ,那么我们称节点 u 是节点 v 的 祖先 节点。

思考:

1. 先用邻接矩阵构造图,记录每个节点的相邻祖先。

2. 然后计算每个节点i的所有祖先ans[i]。用一个队列queue记录节点i的待判断祖先,初始化为节点的相邻祖先。

3. 每次取出队列中一个节点x,将x加入ans[i]。若x小于i(x的ans已经计算完成),则将ans[x]中的元素全部加入ans[i];否则,将x的相邻祖先加入队列queue。直到queue取空为止。

4. 每次计算完ans[i]后,去除重复的节点,并排序。

代码如下:

class Solution(object):
    def getAncestors(self, n, edges):
        """
        :type n: int
        :type edges: List[List[int]]
        :rtype: List[List[int]]
        """
        # 用邻接矩阵构建图(但将每条边的起点记录在终点后面)
        graph = [[] for _ in range(n)]
        for from_i, to_i in edges:
            graph[to_i].append(from_i)

        ans = [[] for _ in range(n)]
        for i in range(0, n):
            queue = graph[i][:]
            while queue:  # 队列不为空
                x = queue.pop(0)  # 队列中弹出第一个元素
                ans[i].append(x)  # 对应的答案数组中加入x
                if x < i:
                    ans[i].extend(ans[x])
                else:
                    queue.extend(graph[x])  # 队列中加入x的邻接祖先
            ans[i] = list(set(ans[i]))     # 用集合确保没有重复元素
            ans[i].sort()
        return ans

运行通过,但超时,卡在第40个例子:

 

转换思路,使用一个集合vis记录已经访问过的节点,避免重复判断。将判断过程另外定义为一个函数。代码如下:

class Solution(object):
    def getAncestors(self, n, edges):
        """
        :type n: int
        :type edges: List[List[int]]
        :rtype: List[List[int]]
        """
        # 用邻接列表构造图(记录每个节点的父节点)
        graph = [[] for _ in range(n)]
        for u, v in edges:
            graph[v].append(u)

        ans = [[] for _ in range(n)]

        def bfs(s):    # 对于节点s,找到其所有祖先节点j,向ans[s]中加入节点j
            q = deque([s])     # 双端队列记录待搜索的节点,初始化为s节点
            vis = {s}    # 集合记录已经访问过的节点
            while q:
                i = q.popleft()
                for j in graph[i]:
                    if j not in vis:    # 避免重复访问节点
                        vis.add(j)   
                        q.append(j)
                        ans[s].append(j)
            ans[s].sort()

        for i in range(n):
            bfs(i)
        return ans

提交通过:

 

### 力扣435题无重叠区间问题的Python解决方案 对于力扣435题——Non-overlapping Intervals,目标是从给定的一组区间中移除尽可能少的数量使得剩余区间互不重叠。一种高效的方法是采用贪心算法来解决这个问题。 为了有效地解决问题,可以先按照区间的结束位置升序排列这些区间[^1]。通过这种方式,在遍历时总是优先保留那些较早结束的区间,从而为后续可能加入更多非重叠区间留出空间。 下面是具体的Python实现代码: ```python class Interval(object): def __init__(self, start, end): self.start = start self.end = end def eraseOverlapIntervals(intervals): if not intervals: return 0 # Sort the intervals based on their ending time. sorted_intervals = sorted(intervals, key=lambda interval: interval.end) count = 0 prev_end = float('-inf') for current_interval in sorted_intervals: if current_interval.start >= prev_end: # If there is no overlap with previous selected interval, # update `prev_end` and continue without incrementing removals counter (`count`) prev_end = current_interval.end else: # Otherwise, this means we have an overlapping pair; # since intervals are already ordered by 'end', simply increase our removal tally (`count`) count += 1 return count ``` 此方法的时间复杂度主要取决于排序操作O(n log n),其中n表示输入区间的数量;而随后的一次线性扫描只需要O(n)时间。因此整体性能表现良好,适用于大多数实际应用场景中的数据规模[^2]。 值得注意的是,上述逻辑确保了每次遇到新的候选区间时都会选择最早结束的那个作为下一个非重叠部分的一部分,这样就能最大限度地减少被删除掉的区间数目[^3]。
评论
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