文章目录
一、拓扑排序简介
1.Topological Sorting,指的是一个DAG(Directed Acyclic Graph)即有向图所有顶点满足一定条件的线性序列。
拓扑序列应满足两个条件:
2.算法原理:
得到拓扑排序后的结果是 { 1, 2, 4, 3, 5 }
3.注意事项:
①非DAG图没有拓扑排序一说
②拓扑排序的情况可能是不唯一的
二、例题
1.题目
- 课程表 II
跳转LeetCode
现在你总共有 numCourses 门课需要选,记为 0 到 numCourses - 1。给你一个数组 prerequisites ,其中 prerequisites[i] = [ai, bi] ,表示在选修课程 ai 前 必须 先选修 bi 。
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:[0,1] 。
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 任意一种 就可以了。如果不可能完成所有课程,返回 一个空数组 。
示例 1:
输入:numCourses = 2, prerequisites = [[1,0]]
输出:[0,1]
解释:总共有 2 门课程。要学习课程 1,你需要先完成课程 0。因此,正确的课程顺序为 [0,1] 。
示例 2:
输入:numCourses = 4, prerequisites = [[1,0],[2,0],[3,1],[3,2]]
输出:[0,2,1,3]
解释:总共有 4 门课程。要学习课程 3,你应该先完成课程 1 和课程 2。并且课程 1 和课程 2 都应该排在课程 0 之后。
因此,一个正确的课程顺序是 [0,1,2,3] 。另一个正确的排序是 [0,2,1,3] 。
示例 3:
输入:numCourses = 1, prerequisites = []
输出:[0]
2.分析
参考文章
①DFS形式:
课程之间的依赖关系抽象成有向边,那么这幅图的拓扑排序结果就是上课顺序。
首先,我们先判断一下题目输入的课程依赖是否成环,成环的话是无法进行拓扑排序的,所以我们可以复用 “课程表I” 的主函数,之后将后序遍历的结果进行反转,就是拓扑排序的结果。
在编码层面,问题则转化为:由所给数组构建图 → 图的后序遍历 → 判断图中是否存在环 → 翻转后序遍历序列
②BFS形式:
3.代码
①DFS答案代码:
package Graph;
import java.util.ArrayList;
import java.util.Collections;
import java.util.LinkedList;
import java.util.List;
/**
* @author: LYZ
* @date: 2022/3/24 18:51
* @description: 210. 课程表 II
*/
public class FindOrder {
public static void main(String[] args) {
int numCourses = 4;
int[][] prerequisites = {{1, 0}, {2, 0}, {3, 1}, {3, 2}};
FindOrder findOrder = new FindOrder();
int[] ans = findOrder.findOrder(numCourses, prerequisites);
for (int n : ans) {
System.out.println(n);
}
}
public int[] findOrder(int numCourses, int[][] prerequisites) {
List<Integer>[] graph = buildGraph(numCourses, prerequisites);
visited = new boolean[numCourses];
onPath = new boolean[numCourses];
for (int i = 0; i < numCourses; i++) {
traverse(graph, i);
}
//以下是新添语句
// 有环图无法进行拓扑排序
if (hasCycle) {
return new int[]{};
}
//反转后序遍历结果即为拓扑排序结果
Collections.reverse(postorder);
int[] ans = new int[numCourses];
for (int i = 0; i < numCourses; i++) {
ans[i] = postorder.get(i);
}
return ans;
}
List<Integer>[] buildGraph(int numCourses, int[][] prerequisites) {
// 图中共有 numCourses 个节点
List<Integer>[] graph = new LinkedList[numCourses];
for (int i = 0; i < numCourses; i++) {
graph[i] = new LinkedList<>();
}
for (int[] edge : prerequisites) {
int from = edge[1], to = edge[0];
// 添加一条从 from 指向 to 的有向边
// 边的方向是「被依赖」关系,即修完课程 from 才能修课程 to
graph[from].add(to);
}
return graph;
}
List<Integer> postorder = new ArrayList<>();
boolean[] visited;
boolean[] onPath;
boolean hasCycle = false;
void traverse(List<Integer>[] graph, int s) {
if (onPath[s]) {
hasCycle = true;
}
if (visited[s] || hasCycle) {
return;
}
visited[s] = true;
onPath[s] = true;
for (int n : graph[s]) {
traverse(graph, n);
}
postorder.add(s); //相较于课程表I增加的语句
onPath[s] = false;
}
}
②BFS答案代码:
package Graph;
import java.util.*;
/**
* @author: LYZ
* @date: 2022/3/24 18:51
* @description: 210. 课程表 II
*/
public class FindOrder {
public static void main(String[] args) {
int numCourses = 4;
int[][] prerequisites = {{1, 0}, {2, 0}, {3, 1}, {3, 2}};
FindOrder findOrder = new FindOrder();
int[] ans = findOrder.findOrder(numCourses, prerequisites);
for (int n : ans) {
System.out.println(n);
}
}
//BFS法
public int[] findOrder(int numCourses, int[][] prerequisites) {
// 建图,有向边代表「被依赖」关系
List<Integer>[] graph = buildGraph(numCourses, prerequisites);
List<Integer> list = new ArrayList<>();
int[] ans = new int[numCourses];
// 构建入度数组
int[] indegree = new int[numCourses];
for (int[] edge : prerequisites) {
int from = edge[1], to = edge[0];
// 节点 to 的入度加一
indegree[to]++;
}
// 根据入度初始化队列中的节点
Queue<Integer> q = new LinkedList<>();
for (int i = 0; i < numCourses; i++) {
if (indegree[i] == 0) {
// 节点 i 没有入度,即没有依赖的节点
// 可以作为拓扑排序的起点,加入队列
q.offer(i);
}
}
// 记录遍历的节点个数
int count = 0;
// 开始执行 BFS 循环
while (!q.isEmpty()) {
// 弹出节点 cur,并将它指向的节点的入度减一
int cur = q.poll();
list.add(cur);
count++;
for (int next : graph[cur]) { //graph[cur]是由cur节点指向的所有节点构成的List集合
indegree[next]--; //indegree是存储所有节点入度值的数组
if (indegree[next] == 0) {
// 如果入度变为 0,说明 next 依赖的节点都已被遍历
q.offer(next);
}
}
}
if (count != numCourses) {
return new int[]{};
}
for (int i = 0; i < numCourses; i++) {
ans[i] = list.get(i);
}
return ans;
}
// 建图函数
List<Integer>[] buildGraph(int numCourses, int[][] prerequisites) {
// 图中共有 numCourses 个节点
List<Integer>[] graph = new LinkedList[numCourses];
for (int i = 0; i < numCourses; i++) {
graph[i] = new LinkedList<>();
}
for (int[] edge : prerequisites) {
int from = edge[1], to = edge[0];
// 添加一条从 from 指向 to 的有向边
// 边的方向是「被依赖」关系,即修完课程 from 才能修课程 to
graph[from].add(to);
}
return graph;
}
}
记录拓扑排序结果我处理的不好,额外声明了一个集合。题解的代码,利用用于判断图中是否有环的计数器,作为 ans 数组的下标,很巧妙。
// 记录拓扑排序结果
int[] res = new int[numCourses];
// 记录遍历节点的顺序(索引)
int count = 0;
// 开始执行 BFS 算法
while (!q.isEmpty()) {
int cur = q.poll();
// 弹出节点的顺序即为拓扑排序结果
res[count] = cur;
count++;
for (int next : graph[cur]) {
indgree[next]--;
if (indgree[next] == 0) {
q.offer(next);
}
}
}
在这类题中, buildGraph 函数一直未变,要记熟练。