[leetcode每日一题2020/8/4]207. 课程表

题目来源于leetcode,解法和思路仅代表个人观点。传送门
难度:中等
用时:02:00:00(断断续续应该在两个小时左右)

题目

你这个学期必须选修 numCourse 门课程,记为 0 到 numCourse-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,请你判断是否可能完成所有课程的学习?

示例 1:

输入: 2, [[1,0]] 
输出: true
解释: 总共有 2 门课程。学习课程 1 之前,你需要完成课程 0。所以这是可能的。

示例 2:

输入: 2, [[1,0],[0,1]]
输出: false
解释: 总共有 2 门课程。学习课程 1 之前,你需要先完成​课程 0;并且学习课程 0 之前,你还应先完成课程 1。这是不可能的。

提示:

  1. 输入的先决条件是由 边缘列表 表示的图形,而不是邻接矩阵。详情请参见图的表示法
  2. 你可以假定输入的先决条件中没有重复的边。
  3. 1 <=numCourses <= 10^5

思路

  1. 一看下来,本来还没想到合适的解法。但是瞄了一眼提示之后,发现可以把题目给的prerequisites转换成的形式。这题原来是有关的问题。
  2. prerequisites给的是二维数组[n][2]。行为n,列固定为2。(这点我翻了一下评论才发现)
  • 仔细分析一下,prerequisites可以看成有向图的边,一共有numCourse个顶点
  • 那么,给出什么样的图,不可能完成所有的课程?答案是:如果存在环路
  • 知道了这一点,那么解题思路就有很多,下面我就说一下我的方法(DFS)。
    在这里插入图片描述

DFS
总体思路:遍历每个顶点,看其所有出路中是否都能找到到达终点(该点没有出路前置课程),且不成环的路径。

  1. flagCourses代表当前课程是否可以学习
  2. courses保存处理后的prerequisites
  3. 依次遍历每一个course,看其是否能够被学习。
  • 如果不能被学习,立马返回ans=false
  • 如果所有课程都能够被学习,则返回ans=true
  1. 方法isCanLearn表示深度遍历该课程是否能够被学习。返回false的情况有,如果重复遍历了某个课程(此时flag[当前节点]=true)。
  2. 方法isCanLearn还需要一些记忆处理,加快DFS的速度(不然超时)。
  • 依次遍历它的前置课程的时候,如果之前的DFS已经标记该课程可以学习,那么直接跳过该课程(继续下一个)。
  • 依次遍历它的前置课程的时候,如果前置课程返回false了。说明,已经不可能遍历(学)完所有顶点(课程)了,直接返回false,结束DFS。(如果这里不直接return的话,会超时)。
    注:由于prerequisites给的是没有顺序和结构的数组。所以需要预处理一下(这里处理成了邻接表)。不然由于每次都要一个循环(O(n))查找某个课程的前置课程,导致超时(处理之后,O(1))。

代码

class Solution {
    class course{
        //当前课程
        int id;
        //前置课程的id
        List<Integer> preCourses = new ArrayList<Integer>();
        course(int id){
            this.id = id;
        }
    }

    //flagCourses记录当前课程是否可以学习 
    boolean[] flagCourses;
    //numCourse个course保存处理后的prerequisites
    List<course> courses;

    public boolean canFinish(int numCourses, int[][] prerequisites) {
        //flagCourses初始化    
        flagCourses = new boolean[numCourses];
        //预处理,将题目给的条件传换成,容易处理的形式
        //1.生成numCourse个course
        courses = new ArrayList<course>();
        for(int i=0;i<numCourses;i++){
            courses.add(new course(i));
        }
        //2.扫描prerequisites的数据,转换成course的数据
        for(int i=0;i<prerequisites.length;i++){
            courses.get(prerequisites[i][0]).preCourses.add(prerequisites[i][1]);
        }
        //3.遍历每一个course,看看该课程是否能够被学习
        //该课程是否能够学习,取决于它的前置课程
        boolean ans = true;
        for(int i=0;i<numCourses;i++){
            if(flagCourses[i] == true){
                continue;
            }
            boolean[] flag = new boolean[numCourses];
            if(!isCanLearn(i,flag)){
                ans = false;
                break;
            }
        }
        return ans;
    }
    //i表示当前课程id,flag表示当前课程是否遍历过
    private boolean isCanLearn(int p,boolean[] flag){
        //如果该课程已经被标记过了,说明课程之前存在回路了,该课程无法被学习
        if(flag[p] == true){
            flagCourses[p] = false;
            //flag[p] = false;
            return false;
        }
        //标记该课程已经被遍历过了
        flag[p] = true;
        //依次遍历他的前置课程
        for(int i=0;i<courses.get(p).preCourses.size();i++){
            int preId = courses.get(p).preCourses.get(i);
            //如果它的前置课程已经被标记过可以学习,那么
            if(flagCourses[preId]){
                continue;
            }
            //只要它的前置课程有一个是不能学的,那么该课程就不能学。那么就证明,无法修完所有课程
            if(!isCanLearn(preId,flag)){
                return false;
            }
        }
        //当前课程是否能够学习,取决于它的前置课程(是否能够学习)
        flagCourses[p] = true;
        //标记该课程还没有被遍历
        flag[p] = false;
        return flagCourses[p];
    }
}

算法复杂度分析

时间复杂度: O(n+m)。n为课程数(顶点),m为prerequisites的数量(边)。
空间复杂度: O(n+m)。n为记录该课程是否能够被学习,m为邻接表平均空间。
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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