09拓扑排序_TopologicalSort

邻接矩阵与拓扑排序

#include "stdio.h"
#include "stdlib.h"
#include "io.h"
#include "math.h"
#include "time.h"

#define OK 1
#define ERROR 0
#define TRUE 1
#define FALSE 0
#define MAXEDGE 20
#define MAXVEX 14
#define INFINITY 65535

typedef int Status; /* Status是函数的类型,其值是函数结果状态代码,如OK等 */

/* 邻接矩阵结构 */
typedef struct
{
int vexs[MAXVEX];
int arc[MAXVEX][MAXVEX];
int numVertexes, numEdges;
}MGraph;

/* 邻接表结构****************** */
typedef struct EdgeNode /* 边表结点 */
{
int adjvex; /* 邻接点域,存储该顶点对应的下标 */
int weight; /* 用于存储权值,对于非网图可以不需要 */
struct EdgeNode *next; /* 链域,指向下一个邻接点 */
}EdgeNode;

typedef struct VertexNode /* 顶点表结点 */
{
int in; /* 顶点入度 */
int data; /* 顶点域,存储顶点信息 */
EdgeNode *firstedge;/* 边表头指针 */
}VertexNode, AdjList[MAXVEX];

typedef struct
{
AdjList adjList;
int numVertexes,numEdges; /* 图中当前顶点数和边数 */
}graphAdjList,*GraphAdjList;
/* **************************** */


void CreateMGraph(MGraph *G)/* 构件图 */
{
int i, j;

/* printf("请输入边数和顶点数:"); */
G->numEdges=MAXEDGE;
G->numVertexes=MAXVEX;

for (i = 0; i < G->numVertexes; i++)/* 初始化图 */
{
G->vexs[i]=i;
}

for (i = 0; i < G->numVertexes; i++)/* 初始化图 */
{
for ( j = 0; j < G->numVertexes; j++)
{
G->arc[i][j]=0;
}
}

G->arc[0][4]=1;
G->arc[0][5]=1;
G->arc[0][11]=1;
G->arc[1][2]=1;
G->arc[1][4]=1;
G->arc[1][8]=1;
G->arc[2][5]=1;
G->arc[2][6]=1;
G->arc[2][9]=1;
G->arc[3][2]=1;
G->arc[3][13]=1;
G->arc[4][7]=1;
G->arc[5][8]=1;
G->arc[5][12]=1;
G->arc[6][5]=1;
G->arc[8][7]=1;
G->arc[9][10]=1;
G->arc[9][11]=1;
G->arc[10][13]=1;
G->arc[12][9]=1;

}

/* 利用邻接矩阵构建邻接表 */
void CreateALGraph(MGraph G,GraphAdjList *GL)
{
int i,j;
EdgeNode *e;

*GL = (GraphAdjList)malloc(sizeof(graphAdjList));

(*GL)->numVertexes=G.numVertexes;
(*GL)->numEdges=G.numEdges;
for(i= 0;i <G.numVertexes;i++) /* 读入顶点信息,建立顶点表 */
{
(*GL)->adjList[i].in=0;
(*GL)->adjList[i].data=G.vexs[i];
(*GL)->adjList[i].firstedge=NULL; /* 将边表置为空表 */
}

for(i=0;i<G.numVertexes;i++) /* 建立边表 */
{
for(j=0;j<G.numVertexes;j++)
{
if (G.arc[i][j]==1)
{
e=(EdgeNode *)malloc(sizeof(EdgeNode));
e->adjvex=j; /* 邻接序号为j */
e->next=(*GL)->adjList[i].firstedge; /* 将当前顶点上的指向的结点指针赋值给e */
(*GL)->adjList[i].firstedge=e; /* 将当前顶点的指针指向e */
(*GL)->adjList[j].in++;

}
}
}

}


/* 拓扑排序,若GL无回路,则输出拓扑排序序列并返回1,若有回路返回0。 */
Status TopologicalSort(GraphAdjList GL)
{
EdgeNode *e;
int i,k,gettop;
int top=0; /* 用于栈指针下标 */
int count=0;/* 用于统计输出顶点的个数 */
int *stack; /* 建栈将入度为0的顶点入栈 */
stack=(int *)malloc(GL->numVertexes * sizeof(int) );

for(i = 0; i<GL->numVertexes; i++)
if(0 == GL->adjList[i].in) /* 将入度为0的顶点入栈 */
stack[++top]=i;
while(top!=0)
{
gettop=stack[top--];
printf("%d -> ",GL->adjList[gettop].data);
count++; /* 输出i号顶点,并计数 */
for(e = GL->adjList[gettop].firstedge; e; e = e->next)
{
k=e->adjvex;
if( !(--GL->adjList[k].in) ) /* 将i号顶点的邻接点的入度减1,如果减1后为0,则入栈 */
stack[++top]=k;
}
}
printf("\n");
if(count < GL->numVertexes)
return ERROR;
else
return OK;
}


int main(void)
{
MGraph G;
GraphAdjList GL;
int result;
CreateMGraph(&G);
CreateALGraph(G,&GL);
result=TopologicalSort(GL);
printf("result:%d",result);

return 0;
}

转载于:https://www.cnblogs.com/nku-wangfeng/p/7637415.html

<think>我们被要求使用中文回答,并且需要遵循严格的格式要求。 用户的问题是关于networkx库中`nx.topological_sort()`函数的使用和示例。 根据引用,我们知道NetworkX是一个用于复杂网络的Python库,而拓扑排序是有向无环图(DAG)中节点的一种线性排序,使得对于每一条有向边(u, v),节点u都出现在节点v之前。 我们将按照以下步骤回答: 1. 解释拓扑排序的概念。 2. 介绍`nx.topological_sort()`函数的基本用法。 3. 提供一个完整的示例代码,包括创建有向图、进行拓扑排序以及输出结果。 4. 注意:在示例代码中,我们将使用NetworkX创建一个小型的有向无环图。 同时,根据系统指令,我们需要生成相关问题。 注意:在回答中,我们引用了NetworkX官方文档(引用[1]和引用[3]),因此会在适当的地方添加引用标识。 开始回答:</think>### NetworkX 中 `nx.topological_sort()` 函数的使用与示例 拓扑排序是针对**有向无环图(DAG)** 的节点线性排序算法,使得对于任意有向边 \((u \to v)\),节点 \(u\) 总出现在节点 \(v\) 之前。`nx.topological_sort()` 是 NetworkX 库中实现该算法的核心函数[^1]。 --- #### **基本用法** ```python import networkx as nx # 创建有向图 G = nx.DiGraph() edges = [("A", "B"), ("A", "C"), ("B", "D"), ("C", "D")] G.add_edges_from(edges) # 拓扑排序 sorted_nodes = list(nx.topological_sort(G)) print(sorted_nodes) # 输出:['A', 'C', 'B', 'D'] 或 ['A', 'B', 'C', 'D'](合法排序不唯一) ``` - **输入要求**:图必须为有向无环图(DAG),若图含环会抛出 `NetworkXUnfeasible` 异常。 - **返回值**:节点的拓扑排序列表(可能有多个合法结果,函数返回其中一种)。 --- #### **完整示例:课程依赖关系排序** 假设课程依赖关系如下: - 数据结构依赖编程基础 - 算法依赖数据结构 - 机器学习依赖算法和数学 ```python import networkx as nx # 定义课程依赖图 G = nx.DiGraph() G.add_edges_from([ ("编程基础", "数据结构"), ("数据结构", "算法"), ("算法", "机器学习"), ("数学", "机器学习") ]) # 拓扑排序(确保无循环依赖) try: course_order = list(nx.topological_sort(G)) print("课程学习顺序:", course_order) except nx.NetworkXUnfeasible: print("图中存在循环依赖,无法排序!") # 输出示例:['数学', '编程基础', '数据结构', '算法', '机器学习'] ``` --- #### **关键注意事项** 1. **检测环**:排序前可用 `nx.is_directed_acyclic_graph(G)` 验证是否为 DAG。 2. **多结果处理**:若需所有可能排序,使用 `list(nx.all_topological_sorts(G))`。 3. **性能**:时间复杂度 \(O(V+E)\)(\(V\) 为节点数,\(E\) 为边数),适合大型图处理[^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