手把手教学拓扑排序
文章目录
在图论中,**拓扑排序(Topological Sorting) 是一个有向无环图(DAG, Directed Acyclic Graph)**的所有顶点的线性序列。且该序列必须满足下面两个条件:
- 每个顶点出现且只出现一次。
- 若存在一条从顶点 A 到顶点 B 的路径,那么在序列中顶点 A 出现在顶点 B 的前面。
有向无环图(DAG)才有拓扑排序,非DAG图没有拓扑排序一说。
拓扑排序一般适用于有依赖关系的有向图中,同时也可以用来检测有向图是否有环
过程
-
建图
-
记录每一个点的入度
-
把没有入度的点加入队列,看后面的依赖更新入度
-
重复3直到队列为空
Tip: 无入度的点其实就是没有依赖关系的点,就是不需要其他条件就能访问得到
建图
图的话我自己一般有三种实现形式
-
实现自己的图类
-
map<int,vector<int>>
的形式进行存储 -
或者用
邻接表
的形式vector<list<int>>
算法的流程
自己图类的实现
class Graph {
public:
Graph(int n) {
n_ = n;
lst_.resize(n, list<int>());
degree_.resize(n, 0);
}
void add(int v, int u) {
lst_[v].push_back(u);
++degree_[u];
}
private:
vector<list<int>> lst_; // 邻接表
vector<int> degree_; // 入度
};
例题
简单版本
207. 课程表
难度中等916
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
。
示例 1:
输入:numCourses = 2, prerequisites = [[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 。这是可能的。
示例 2:
输入:numCourses = 2, prerequisites = [[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 <= numCourses <= 105
0 <= prerequisites.length <= 5000
prerequisites[i].length == 2
0 <= ai, bi < numCourses
prerequisites[i]
中的所有课程对 互不相同
class Solution {
public:
bool canFinish(int numCourses, vector<vector<int>>& prerequisites) {
int n=prerequisites.size();
vector<int> degree(numCourses,0); // 初始化入度为0
// 用邻接表建图
vector<list<int>> mp(numCourses);
for(int i=0;i<n;i++) {
mp[prerequisites[i][1]].push_back(prerequisites[i][0]);
degree[prerequisites[i][0]]++;
}
// 开始拓扑排序
queue<int> que;
int count = 0;
// 记录过了多少点
for(int i=0;i<degree.size();i++) {
if(degree[i]==0) {
que.push(i);
}
}
while(!que.empty()) {
// 队列不可以是空的
int val = que.front();
que.pop();
count++;
auto vec = mp[val];
for(auto i=vec.begin();i!=vec.end();i++) {
degree[*i]--; // 更新入度
if(degree[*i]==0) { // 入度为0加入队列
que.push(*i);
}
}
}
if(count==numCourses) { // 无环
return true;
}
return false; // 有环
}
};
851. 喧闹和富有
难度中等184
有一组 n
个人作为实验对象,从 0
到 n - 1
编号,其中每个人都有不同数目的钱,以及不同程度的安静值(quietness)。为了方便起见,我们将编号为 x
的人简称为 "person x
"。
给你一个数组 richer
,其中 richer[i] = [ai, bi]
表示 person ai
比 person bi
更有钱。另给你一个整数数组 quiet
,其中 quiet[i]
是 person i
的安静值。richer
中所给出的数据 逻辑自洽(也就是说,在 person x
比 person y
更有钱的同时,不会出现 person y
比 person x
更有钱的情况 )。
现在,返回一个整数数组 answer
作为答案,其中 answer[x] = y
的前提是,在所有拥有的钱肯定不少于 person x
的人中,person y
是最安静的人(也就是安静值 quiet[y]
最小的人)。
示例 1:
输入:richer = [[1,0],[2,1],[3,1],[3,7],[4,3],[5,3],[6,3]], quiet = [3,2,5,4,6,1,7,0]
输出:[5,5,2,5,4,5,6,7]
解释:
answer[0] = 5,
person 5 比 person 3 有更多的钱,person 3 比 person 1 有更多的钱,person 1 比 person 0 有更多的钱。
唯一较为安静(有较低的安静值 quiet[x])的人是 person 7,
但是目前还不清楚他是否比 person 0 更有钱。
answer[7] = 7,
在所有拥有的钱肯定不少于 person 7 的人中(这可能包括 person 3,4,5,6 以及 7),
最安静(有较低安静值 quiet[x])的人是 person 7。
其他的答案也可以用类似的推理来解释。
示例 2:
输入:richer = [], quiet = [0]
输出:[0]
提示:
n == quiet.length
1 <= n <= 500
0 <= quiet[i] < n
quiet
的所有值 互不相同0 <= richer.length <= n * (n - 1) / 2
0 <= ai, bi < n
ai != bi
richer
中的所有数对 互不相同- 对
richer
的观察在逻辑上是一致的
class Solution {
public:
vector<int> loudAndRich(vector<vector<int>>& richer, vector<int>& quiet) {
degree_.resize(quiet.size(),0);
vector<list<int>> graph_(quiet.size());
/*
首先建图
*/
for(auto v : richer) {
// cout<<v[0]<<" "<<v[1]<<endl;
graph_[v[0]].push_back(v[1]); // 代表的是有钱的指向没钱的
degree_[v[1]]++;
}
vector<int> ans(quiet.size(),-1);
for(int i=0;i<ans.size();i++) {
ans[i] = i;
}
// 开始进行遍历
// 首先找到入度为0的点,且如果入度为1那么结果就是自己
queue<int> que;
for(int i=0;i<degree_.size();i++) {
if(degree_[i]==0) {
que.push(i);
}
}
while(!que.empty()) {
int index = que.front();
que.pop();
// cout<<"index: "<<index<<endl;
for(auto v : graph_[index]) {
// cout<<"v: "<<v<<endl;
if(quiet[ans[v]]>quiet[ans[index]]) {
ans[v]=ans[index];
}
degree_[v]--;
if(degree_[v]==0) {
que.push(v);
}
}
}
return ans;
}
private:
vector<int> degree_; // 记录入度
// vector<list<int>> graph_;
};