【图】拓扑排序(DFS和BFS解法)

本文介绍拓扑排序的概念,并结合LeetCode的210. Course Schedule II题目进行解析。题目要求根据课程的先决条件,找出完成所有课程的学习顺序。解法包括使用BFS和DFS,BFS通过队列处理入度为0的节点,DFS则通过递归遍历图的结构。此外,还提到在考虑作业时间的情况下,如何找到平均等待时间最短的拓扑顺序。

拓扑排序

LeetCode题目:210. Course Schedule II
题目链接:https://leetcode.com/problems/course-schedule-ii/description/

题目大意:

        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,返回你为了学完所有课程所安排的学习顺序。
可能会有多个正确的顺序,你只要返回一种就可以了。如果不可能完成所有课程,返回一个空数组。

来源:力扣(LeetCode)
中文翻译链接:https://leetcode-cn.com/problems/course-schedule-ii

解法分析

BFS

        BFS解法一般借助于队列实现,把入度为0的节点放入队列,把这个点加入到结果集中,然后把该节点指向的下一个节点入度减一,然后继续寻找入度为0的节点。
        拓展:给定每个节点的作业时间,求出平均等待时间最短的拓扑顺序。在拓扑排序的基础上,从队列取的时候,拿作业时间最短的点——用PriorityQueue实现,把Queue换成PriorityQueue。

public int[] findOrder(int numCourses, int[][] prerequisites) {
   
   
        // 用于存放每个节点后面的节点
        List<Integer>[] afterStudy = new List[numCourses];
        // 每个节点的入度
        int[] cnt = new int[numCourses];
        for (int i = 0; i < numCourses; i++) {
   
   
            afterStudy[i] = new ArrayList<>();
        }
        // 遍历加入该节点相邻的后面节点
        for (int[] prerequisite : prerequisites) {
   
   
            int after = prerequisite[0];
            int before = pre
### 最短路径算法 DFS vs BFS 的适用场景 #### 广度优先搜索 (BFS) 对于无权而言,在寻找最短路径方面,广度优先搜索表现得尤为出色。由于其按层次逐层扩展节点的方式,当首次抵达目标节点时即可保证所找到的是从起点到终点之间距离最短的一条路径[^1]。 ```python from collections import deque def bfs_shortest_path(graph, start, goal): visited = set() queue = deque([(start, [start])]) while queue: vertex, path = queue.popleft() if vertex == goal: return path for neighbor in graph[vertex]: if neighbor not in visited: visited.add(neighbor) queue.append((neighbor, path + [neighbor])) return None ``` #### 深度优先搜索 (DFS) 相比之下,深度优先搜索更适合用于解决连通性拓扑排序等问题而非最短路径计算。尽管可以通过修改标准的DFS实现来追踪路径长度并尝试找出最短路线,但这通常不是最优解法,因为DFS可能会陷入较长甚至无限循环的分支中无法自拔[^3]。 ```python def dfs_shortest_path(graph, current, goal, visited=None, path=None): if visited is None: visited = set() if path is None: path = [] visited.add(current) path.append(current) if current == goal: return path shortest = None for next_node in graph[current] - visited: new_path = dfs_shortest_path(graph, next_node, goal, visited.copy(), path[:]) if new_path and (not shortest or len(new_path) < len(shortest)): shortest = new_path return shortest ``` 在加权的情况下,为了获得更精确的结果,则应考虑采用专门设计用来处理带权重边的算法如 Dijkstra 或者 Bellman-Ford 来代替简单的 BFS DFS 方法[^4]。
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