1、题目描述
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?
提示:
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。
你可以假定输入的先决条件中没有重复的边。
1 <= numCourses <= 10^5
2、示例
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。
3、题解
解法一:
基本思想:拓扑排序,本题简化为课程安排中是否是有向无环图(DAG),是否存在环路。
拓扑排序原理: 对DAG的顶点进行排序,使得对每一条有向边(u,v),均有u比v先出现。亦可理解为对某点v而言,只有当v的所有源点均出现了v才能出现。
基本思想:入度表+广度优先搜索
- 借助一个队列queue,将所有入度为0的节点入队
- 当 queue非空时,依次将队首节点cur出队,执行numCourses--,并将cur的所有后继节点post的入度-1,如果post的入度为0则post也入队。
- 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,最后numCourses=0,即完成拓扑排序。
- 若课程安排图中存在环路,一定有节点的入度始终不为0,最后numCourses>0,即不能完成拓扑排序。
解法二:
基本思想:深度优先搜索,判断图中是否有环。
一开始的想法是通过set判断图中是否有环,遍历所有节点,以该节点为起点,深度优先搜索加入set,如果最后发现set出现重复节点说明有环,这个时间复杂度很高O(n^2),因为产生了很多重复的搜索。
优化方法:借助一个标志列表flags,用于判断每个节点i的状态,这样避免了很多的重复节点搜索:
- 未被 DFS 访问:i=0;
- 已被其他节点启动的 DFS 访问:i=-1;
- 已被当前节点启动的 DFS 访问:i=1。
#include<algorithm>
#include<iostream>
#include<vector>
#include<map>
#include<unordered_map>
#include<deque>
#include<unordered_set>
using namespace std;
class Solution {
public:
bool canFinish(int numCourses, vector<vector<int>>& prerequisites) {
//基本思想:拓扑排序,本题简化为课程安排中是否是有向无环图(DAG),是否存在环路
//拓扑排序原理: 对DAG的顶点进行排序,使得对每一条有向边(u,v),均有u比v先出现。
//亦可理解为对某点v而言,只有当v的所有源点均出现了v才能出现。
//基本思想:入度表广度优先搜索,借助一个队列queue,将所有入度为0的节点入队,
//当 queue非空时,依次将队首节点cur出队,执行numCourses--
//并将cur的所有后继节点post的入度-1,如果post的入度为0则post入队
//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,最后numCourses=0,即完成拓扑排序。
//若课程安排图中存在环路,一定有节点的入度始终不为0,最后numCourses>0,即不能完成拓扑排序。
multimap<int, int> HashMap;
vector<int> inDegree;
deque<int> queue;
//计算所有节点的入度,并建立HashMap保存节点关系方便快速查找当前节点的后继节点
for (int i = 0; i < prerequisites.size(); i++)
{
inDegree[prerequisites[i][1]]++;
HashMap.insert({prerequisites[i][0],prerequisites[i][1]});
}
//将所有入度为0的节点入队列
for (int i = 0; i < numCourses; i++)
{
if (inDegree[i] == 0)
queue.push_front(i);
}
//cur为当前入度为0的节点,post为cur的后继节点
int cur, post;
while (!queue.empty())
{
cur = queue.back();
queue.pop_back();
numCourses--;
int cnt = HashMap.count(cur);
auto iter = HashMap.find(cur);
while (cnt--)
{
post = iter->second;
inDegree[post]--;
if (inDegree[post] == 0)
queue.push_front(post);
iter++;
}
}
return numCourses == 0;
}
};
class Solution1 {
public:
multimap<int, int> HashMap;
bool canFinish(int numCourses, vector<vector<int>>& prerequisites) {
//基本思想:深度优先搜索,判断图中是否有环。
//一开始的想法是通过set判断图中是否有环,遍历所有节点,以该节点为起点,深度优先搜索加入set
//如果最后发现set出现重复节点说明有环,这个时间复杂度很高O(n^2),因为产生了很多重复的搜索
//优化方法:借助一个标志列表flags,用于判断每个节点i的状态:
//未被 DFS 访问:i=0;
//已被其他节点启动的 DFS 访问:i=-1;
//已被当前节点启动的 DFS 访问:i=1。
vector<int> flags(numCourses, 0);
for (int i = 0; i < prerequisites.size(); i++)
{
HashMap.insert({ prerequisites[i][0],prerequisites[i][1] });
}
for (int i = 0; i < numCourses; i++)
{
if (dfs(flags, i) == false)
return false;
}
return true;
}
bool dfs(vector<int> &flags,int cur)
{
if (flags[cur] == -1)
return true;
if (flags[cur] == 1)
return false;
flags[cur] = 1;
int cnt = HashMap.count(cur);
auto iter = HashMap.find(cur);
while (cnt--)
{
if (dfs(flags, iter->second) == false)
return false;
iter++;
}
flags[cur] = -1;
return true;
}
};
int main()
{
Solution1 solute;
int numCourses = 5;
vector<vector<int>> prerequisites = { {0,1}, {4,2},{1,2},{1,3}, {2,3},{3,0} };
cout << solute.canFinish(numCourses, prerequisites) << endl;
return 0;
}