【课程表】

已于 2025-03-09 01:06:36 修改
阅读量3.9k 收藏 14
点赞数 4
CC 4.0 BY-SA版权
文章标签： 算法 Java JavaScript Python C语言
于 2022-11-11 21:04:07 首次发布
本文为博主原创文章，未经授权，不得转载搬运。
本文链接：https://blog.youkuaiyun.com/qfc_128220/article/details/127804547
算法刷题笔记 同时被 3 个专栏收录
566 篇文章

已下架不支持订阅

算法刷题笔记2
153 篇文章

已下架不支持订阅

算法刷题笔记 2022
141 篇文章

已下架不支持订阅

题目来源

207. 课程表 - 力扣（LeetCode）

我们可以根据题目要求画出一个有向图，比如下面用例

numCourses = 4, prerequisites = [[2,1], [4,3], [4,2]]

学2之前，必须先学1；

学4之前，必须先学2，3

学1，3没有前置课程。

因此，通过上面有向图，我们可以得出，能够学完所有课程。

而上面有向图其实就是一种拓扑结构，在拓扑结构中，每一个顶点都有“入度”概念，所谓入度，即当前顶点的直接前驱顶点数目

如上图所示，

顶点1的入度为0

顶点2的入度为1

顶点3的入度为0

顶点4的入度为2，注意入度指的是当前顶点的直接前驱顶

了解本专栏 已下架不支持订阅
程序员阿甘
关注
专栏目录

已下架不支持订阅

Leetcode——课程表
Yawn
08-19 832
1. 课程表 （1）BFS（拓扑排序） 本题可约化为： 课程安排图是否是 有向无环图(DAG)。即课程间规定了前置条件，但不能构成任何环路，否则课程前置条件将不成立。 思路是通过 拓扑排序 判断此课程安排图是否是 有向无环图(DAG) 拓扑排序原理： 对 DAG 的顶点进行排序，使得对每一条有向边 (u, v)，均有 u（在排序记录中）比 v 先出现。亦可理解为对某点 v 而言，只有当 v 的所有源点均出现了，vv 才能出现。 class Solution { public boolean
207.课程表
路漫漫其修远兮
11-30 221
题目描述 现在你总共有 n 门课需要选，记为 0 到 n-1。在选修某些课程之前需要一些先修课程。 例如，想要学习课程 0 ，你需要先完成课程 1 ，我们用一个匹配来表示他们: [0,1] 　　给定课程总量以及它们的先决条件，判断是否可能完成所有课程的学习？ ...
图论——拓扑排序
GlowYi
05-22 1207
1、什么是拓扑排序（1）有向图的拓扑序列有向图的拓扑序列是该有向图的一个顶点序列，该序列满足条件：对图中任意顶点i、j，若从顶点i到顶点j存在一条路径，则在序列中顶点i必须排在顶点j的前面。（2）拓扑排序在一个有向图中找一个拓扑序列的过程称为拓扑排序。2、拓扑排序的应用拓扑排序常用来确定一个依赖关系集中，事物发生的顺序。例如，在日常工作中，可能会将项目拆分成A、B、C、D四个子部分来完成，但A依赖...
207. 课程表
L_Aster的专栏
04-01 315
207. 课程表 class Solution { public: bool canFinish(int numCourses, vector<pair<int, int>>& prerequisites) { vector<int> indegree(numCourses,0); vector<vecto...
207 课程表
weixin_45138230的博客
05-17 190
拓扑排序 class Solution { public: bool canFinish(int numCourses, vector<vector<int>>& prerequisites) { vector<int> indegree(numCourses); vector<vector<int>> graph(numCourses); vector<int> v; for (int i = 0; i &l..
leetcode课程表
天启的博客
04-12 272
1.拓扑排序 首先根据所输入的信息创建邻接链表，并存储每个节点的入度信息 然后将入度为0的节点入队 遍历队列中所有入度为0的队列，这样的节点表示可以完成的课程 对于队列的某节点i，遍历其邻接链表，消去当前节点i到其后继节点之间的边，同时其后继节点的入度-1，若后继节点的入度为0，则将其入队。 代码如下： class Solution { public: bool canF...
教务处课表爬取功能和课堂便签功能的UWP课程表.zip
11-09
“UWP课程表”表明这是一个适用于Windows 10及以上版本操作系统的课程表应用程序。UWP允许开发者使用一套代码创建可以在所有Windows 10设备上运行的应用程序，包括PC、平板电脑、手机等。该应用程序可能提供了查看和...
仿超级课程表的课表界面实现.rar
07-30
仿超级课程表的课表界面实现.rar,太多无法一一验证是否可用，程序如果跑不起来需要自调，部分代码功能进行参考学习。
CourseTable:南阳理工学院课程表适应项目（青果，服务大厅）引入小爱课程表WakeUp怪兽课表..
04-06
主要目标是整合并兼容不同的课程表应用，如青果、服务大厅，同时引入了智能化的日程管理工具——小爱课程表（AISchedule），以及计划支持的其他应用，如唤醒课程表和怪兽课表。这个项目致力于为学生和教师提供一个...
安卓课程表相关-Android课表视图.zip
07-29
"安卓课程表相关-Android课表视图.zip"这个压缩包提供了一些关于实现此类功能的源码和资源。虽然无法确保所有代码都能直接运行，但它们可以作为学习和参考的材料，帮助开发者理解如何构建类似的应用。 首先，"Java...
Leetcode 课程表
985小菜鸡
10-30 457
这个算法的核心在于将问题转换为图中的环检测问题。通过使用 DFS 并结合访问状态来检测环路，我们可以有效判断课程计划是否可行。java 代码//首先构建有向图的存储++i) {//然后DFS过程, 首先创建访问状态数组//0代表尚未访问过,1代表访问转换后的状态,2代表当前节点及其所有相邻节点都不存在环++i) { //每个图节点(课程)进行dfs过程if(!dfs(i, adjList, visitState)) { //dfs()返回false,当存在环时。
Leetcode-课程表
weixin_46343199的博客
05-12 216
题目描述 思路： 用_in来记录每个课程的入度； 若有入度为0的课程，则找到该课程，将该课程的后继课程入度减1；并将该课程的入度变为-1，表示该课程已学过； 若循环结束后，所有课程的入度都为-1，则表示全部课程都学完，返回true； 否则，返回false。 代码如下： public class Solution { public bool CanFinish(int numCourses, int[][] prerequisites) { int[]
**课程表 II
青铁的专栏
11-20 199
你这个学期必须选修 numCourse 门课程，记为0到numCourse-1 。 在选修某些课程之前需要一些先修课程。例如，想要学习课程 0 ，你需要先完成课程 1 ，我们用一个匹配来表示他们：[0,1] 给定课程总量以及它们的先决条件，请你判断是否可能完成所有课程的学习？ 示例 1: 输入: 2, [[1,0]] 输出: true 解释:总共有 2 门课程。学习课程 1 之前，你需要完成课程 0。所以这是可能的。 示例 2: 输入: 2, [[1,0],[0,1]] 输出: ...
拓扑排序
最新发布
05-21
### 拓扑排序的概念 拓扑排序是一种针对有向无环图（Directed Acyclic Graph, DAG）的操作，其目标是将图中的所有顶点排列成一个线性序列，使得如果存在一条从顶点 \( u \) 到顶点 \( v \) 的边，则在该线性序列中，\( u \) 出现在 \( v \) 之前[^1]。这种排序方式广泛应用于任务调度、项目管理等领域，尤其是在处理具有依赖关系的任务时非常有用。 --- ### 拓扑排序的实现方法 #### 方法一：Kahn算法 Kahn算法的核心思想是从图中移除入度为零的节点，并更新剩余节点的入度，直到所有的节点都被移除为止。具体步骤如下： 1. 统计每个节点的入度。 2. 将所有入度为零的节点加入队列或栈。 3. 当队列/栈非空时： - 取出队首/栈顶的一个节点并将其放入结果列表。 - 对于该节点的所有邻居节点，减少它们的入度；如果某个邻居节点的入度变为零，则将其加入队列/栈。 4. 如果最终的结果列表长度等于原图的节点数，则成功完成拓扑排序；否则说明图中有环，无法进行拓扑排序。 以下是Python实现代码： ```python from collections import deque, defaultdict def topological_sort_kahn(graph): indegree = {node: 0 for node in graph} # 初始化入度字典 for neighbors in graph.values(): for neighbor in neighbors: indegree[neighbor] += 1 queue = deque([node for node in indegree if indegree[node] == 0]) # 所有入度为0的节点入队 result = [] while queue: current_node = queue.popleft() result.append(current_node) for neighbor in graph[current_node]: indegree[neighbor] -= 1 if indegree[neighbor] == 0: queue.append(neighbor) if len(result) != len(indegree): # 存在环的情况 raise ValueError("Graph has a cycle; no valid topological order exists.") return result ``` 此算法的时间复杂度为 \( O(V + E) \)[^2]，其中 \( V \) 是节点数量，\( E \) 是边的数量。 --- #### 方法二：基于深度优先搜索（DFS） 另一种常见的拓扑排序方法是利用深度优先搜索（DFS）。通过记录每个节点的访问结束时间，可以得到逆序的拓扑排序结果。具体步骤如下： 1. 遍历图中的所有未访问过的节点，对其执行DFS。 2. 在DFS返回时，将当前节点压入堆栈。 3. 堆栈顶部存储的就是拓扑排序的结果。 以下是Python实现代码： ```python def dfs_topological_sort(graph): visited = set() # 记录已访问的节点 stack = [] # 结果堆栈 def dfs(node): if node not in visited: visited.add(node) for neighbor in graph.get(node, []): dfs(neighbor) stack.append(node) for node in graph: if node not in visited: dfs(node) return stack[::-1] # 返回反转后的堆栈作为拓扑排序结果 ``` 这种方法同样适用于有向无环图，且时间复杂度也为 \( O(V + E) \)[^4]。 --- ### 总结 两种主要的拓扑排序方法各有优劣。Kahn算法更直观，适合用于检测是否有环的存在；而基于DFS的方法则更适合需要递归遍历的应用场景。无论哪种方法，都需确保输入图为有向无环图才能获得有效的拓扑排序结果。 ---
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

打赏作者

程序员阿甘

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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