节点的入度表示 有多少条边指向它,节点的出度表示有多少条边 从该节点出发。
所以当我们做拓扑排序的时候,应该优先找 入度为 0 的节点,只有入度为0,它才是出发节点
拓扑排序的过程,其实就两步:
- 找到入度为0 的节点,加入结果集
- 将该节点从图中移除
如果有 有向环怎么办呢?
当我们发现结果集元素个数 不等于 图中节点个数,我们就可以认定图中一定有 有向环!
这也是拓扑排序判断有向环的方法。
图解:
117. 软件构建
时间限制:1.000S 空间限制:256MB
题目描述
某个大型软件项目的构建系统拥有 N 个文件,文件编号从 0 到 N - 1,在这些文件中,某些文件依赖于其他文件的内容,这意味着如果文件 A 依赖于文件 B,则必须在处理文件 A 之前处理文件 B (0 <= A, B <= N - 1)。请编写一个算法,用于确定文件处理的顺序。
输入描述
第一行输入两个正整数 N, M。表示 N 个文件之间拥有 M 条依赖关系。
后续 M 行,每行两个正整数 S 和 T,表示 T 文件依赖于 S 文件。
输出描述
输出共一行,如果能处理成功,则输出文件顺序,用空格隔开。
如果不能成功处理(相互依赖),则输出 -1。
输入示例
5 4
0 1
0 2
1 3
2 4
输出示例
0 1 2 3 4
提示信息
文件依赖关系如下:
所以,文件处理的顺序除了示例中的顺序,还存在
0 2 4 1 3
0 2 1 3 4
等等合法的顺序。
数据范围:
0 <= N <= 10 ^ 5
1 <= M <= 10 ^ 9
每行末尾无空格。
import java.util.*;
public class Main {
public static void main(String[] args) {
int n, l;
Scanner in = new Scanner(System.in);
n = in.nextInt();
l = in.nextInt();
int[][] map = new int[n][n];
//记录个点入度
int[] inDegree = new int[n];
while (l-- > 0) {
int x = in.nextInt();
int y = in.nextInt();
map[x][y] = 1;
inDegree[y]++;
}
Queue<Integer> queue = new LinkedList<>();
List<Integer> result = new LinkedList<>();
//找到入度为零的点作为开始
for (int i = 0; i < inDegree.length; i++) {
if (inDegree[i] == 0) {
queue.add(i);
}
}
while (!queue.isEmpty()) {
Integer poll = queue.poll();
result.add(poll);
for (int i = 0; i <n; i++) {
if (map[poll][i] == 1) {
inDegree[i]--;
if (inDegree[i] == 0) {
queue.add(i);
}
}
}
}
if (result.size() == n) {
for(int i=0;i<n-1;i++){
System.out.print(result.get(i)+" ");
}
System.out.println(result.get(n-1));
} else {
System.out.println(-1);
}
}
}
dijkstra算法:
最短路是图论中的经典问题即:给出一个有向图,一个起点,一个终点,问起点到终点的最短路径。
dijkstra算法:在有权图(权值非负数)中求从起点到其他节点的最短路径算法。
需要注意两点:
- dijkstra 算法可以同时求 起点到所有节点的最短路径
- 权值不能为负数
dijkstra三部曲:
- 第一步,选源点到哪个节点近且该节点未被访问过
- 第二步,该最近节点被标记访问过
- 第三步,更新非访问节点到源点的距离(即更新minDist数组)
minDist数组 用来记录 每一个节点距离源点的最小距离。
minDist数组数值初始化为int最大值。
这里在强点一下 minDist数组的含义:记录所有节点到源点的最短路径,那么初始化的时候就应该初始为最大值,这样才能在后续出现最短路径的时候及时更新。
更新1->2和1->3
加入结点2
47. 参加科学大会
时间限制:1.500S 空间限制:128MB
题目描述
小明是一位科学家,他需要参加一场重要的国际科学大会,以展示自己的最新研究成果。
小明的起点是第一个车站,终点是最后一个车站。然而,途中的各个车站之间的道路状况、交通拥堵程度以及可能的自然因素(如天气变化)等不同,这些因素都会影响每条路径的通行时间。
小明希望能选择一条花费时间最少的路线,以确保他能够尽快到达目的地。
输入描述
第一行包含两个正整数,第一个正整数 N 表示一共有 N 个公共汽车站,第二个正整数 M 表示有 M 条公路。
接下来为 M 行,每行包括三个整数,S、E 和 V,代表了从 S 车站可以单向直达 E 车站,并且需要花费 V 单位的时间。
输出描述
输出一个整数,代表小明从起点到终点所花费的最小时间。
输入示例
7 9
1 2 1
1 3 4
2 3 2
2 4 5
3 4 2
4 5 3
2 6 4
5 7 4
6 7 9
输出示例
12
提示信息
能够到达的情况:
如下图所示,起始车站为 1 号车站,终点车站为 7 号车站,绿色路线为最短的路线,路线总长度为 12,则输出 12。
不能到达的情况:
如下图所示,当从起始车站不能到达终点车站时,则输出 -1。
数据范围:
1 <= N <= 500;
1 <= M <= 5000;
代码参考:
import java.util.*;
public class Main {
public static void main(String[] args) {
int n, l;
Scanner in = new Scanner(System.in);
n = in.nextInt();
l = in.nextInt();
int[][] map = new int[n + 1][n + 1];
int[] len = new int[n + 1];
Arrays.fill(len, Integer.MAX_VALUE);
boolean[] visited=new boolean[n+1];
for(int i=0;i<=n;i++){
Arrays.fill(map[i],Integer.MAX_VALUE);
}
while (l-- > 0) {
int x = in.nextInt();
int y = in.nextInt();
int val= in.nextInt();
map[x][y] = val;
}
//将原点到原点的距离设置为0
len[1]=0;
for(int i=1;i<=n;i++){
int temp=Integer.MAX_VALUE;
int index=1;
//找到距离原点最近的结点
for(int j=1;j<=n;j++){
if(temp>len[j]&&!visited[j]){
temp=len[j];
index=j;
}
}
//将这个点设置为访问
visited[index]=true;
//更新非访问节点到源点的距离(即更新minDist数组)
for(int k=1;k<=n;k++){
if(visited[k]==false&&map[index][k]!=Integer.MAX_VALUE&&len[index]+map[index][k]<len[k]){
len[k]=len[index]+map[index][k];
}
}
}
if(len[n]==Integer.MAX_VALUE){
System.out.println(-1);
}else {
System.out.println(len[n]);
}
}
}