AOV
一个较大的工程往往被划分成许多子工程,我们把这些子工程称作活动(activity)
。
有些子工程(活动)必须在其它有关子工程完成之后才能开始,也就是说,一个子工程的开始是以它的所有前序子工程的结束为先决条件的,但有些子工程没有先决条件,可以安排在任何时间开始。
为了形象地反映出整个工程中各个子工程(活动)之间的先后关系,可用一个有向图来表示,图中的顶点代表活动(子工程),图中的有向边代表活动的先后关系。
我们把这种顶点表示活动、边表示活动间先后关系的有向图称做顶点活动网(Activity On Vertex network)
,简称AOV网
。
拓扑排序
拓扑排序(Topological Sorting)
为一个**有向无环图(DAG, Directed Acyclic Graph)**中所有顶点的线性序列。需要满足:
- 每个顶点出现且出现一次;
- 若存在一条从顶点A到顶点B的路径,那么序列中顶点A出现在顶点B的前面。
有向无环图才会有拓扑排序。
构建拓扑序列
由AOV网构造拓扑序列的拓扑排序算法主要是循环执行以下两步,直到不存在入度为0的顶点为止。
- 选择一个入度为0的顶点并输出之;
- 从网中删除此顶点及其所有出边;
循环结束后,若输出的顶点数小于网中的顶点数,则有环存在,无拓扑序列;否则,输出的顶点序列就是一种拓扑序列。
算法实现
你这个学期必须选修
numCourses
门课程,记为0
到numCourses - 1
。在选修某些课程之前需要一些先修课程。 先修课程按数组prerequisites
给出,其中prerequisites[i] = [ai, bi]
,表示如果要学习课程ai
则 必须 先学习课程bi
。例如,先修课程对[0, 1]
表示:想要学习课程0
,你需要先完成课程1
。
请你判断是否可能完成所有课程的学习?如果可以,返回true
;否则,返回false
。
// 1-统计课程安排图中每个节点的入度,生成入度表indegrees;
// 2-借助一个队列queue,将所有入度为0的节点入队;
// 3-当queue非空时,依次将队首节点出队,在课程安排图中删除此节点pre:
// 1) 并非真正的从邻接表中删除此节点pre,而是将此节点对应所有邻接节点cur的入度-1,
// 即indegrees[cur]-=1
// 2) 当入度-1后邻接节点cur的入度为0,说明cur的所有的前驱节点已经被"删除",此时将
// cur入队
// 4-在每次pre出队时,执行numCourses--;
// 1) 若整个课程安排图是有向无环图,则所有节点一定都入队并出队过,即完成拓扑排序。
// 若课程安排图中存在环,一定有节点的入度始终不为0
// 2) 因此,拓扑排序出队次数等于课程个数,返回numCourses==0即可判断是否可以成功安排
//
public boolean canFinish(int numCourses, int[][] prerequisites) {
// 节点的入度表
int[] indegrees = new int[numCourses];
// 邻接表
List<List<Integer>> adjacency = new ArrayList<>();
// 队列
Queue<Integer> queue = new LinkedList<>();
// 邻接表初始化
for(int i=0; i<numCourses; i++)
adjacency.add(new ArrayList<>());
// 计算每个节点的入度 以及 邻接节点
for(int[] cp : prerequisites){
// cp[]: cur<-pre
indegrees[cp[0]]++;
adjacency.get(cp[1]).add(cp[0]);
}
// 将所有入度为0的节点入队
for(int i=0; i<numCourses; i++)
if(indegrees[i]==0) queue.add(i);
// BFS 拓扑排序
while(!queue.isEmpty()){
int pre = queue.poll();
numCourses--;
for(int cur : adjacency.get(pre))
if(--indegrees[cur]==0)
queue.add(cur);
}
return numCourses == 0;
}