[算法]-拓扑排序

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:

  1. 每个顶点出现且出现一次;
  2. 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。

  1. 选择一个入度为0的顶点并输出之;
  2. 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0numCourses - 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;
    }
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 拓扑排序是一种对有向无环图进行排序的算法,它可以将图中的节点按照一定的顺序排列,使得每个节点的前驱节点都排在它的前面。拓扑排序的基本操作包括: 1. 找到入度为0的节点,将其加入排序结果中。 2. 将该节点的所有后继节点的入度减1。 3. 重复1和2,直到所有节点都被加入排序结果中或者发现有环。 如果发现有环,则说明该图不是有向无环图,无法进行拓扑排序拓扑排序的应用非常广泛,比如在编译器中,可以通过拓扑排序来确定代码的编译顺序;在任务调度中,可以通过拓扑排序来确定任务的执行顺序等等。 ### 回答2: 拓扑排序是一种针对有向无环图(Directed Acyclic Graph,DAG)的排序方法,它可以将DAG中所有的节点按照依赖关系排序,并将排序结果呈现为一个线性序列。拓扑排序可以用于解决许多实际问题,如任务调度、课程安排等。 在实验四图的基本操作中,我们使用拓扑排序的方法对有向图进行排序,并得到其拓扑序列。具体步骤如下: 1. 考虑DAG中每个节点的入度数,如果某个节点的入度为0,则将其加入队列中。 2. 从队列中取出一个节点,并输出该节点。 3. 将该节点的所有后继节点的入度减1。如果某个节点的入度减为0,则将其加入队列中。 4. 重复步骤2和3,直到队列为空为止。 在实验四图中,我们通过以下步骤进行拓扑排序: 1. 统计每个节点的入度数。 2. 将所有入度为0的节点加入队列中。 3. 从队列中取出一个节点,并输出该节点。 4. 将该节点的所有后继节点的入度减1。 5. 如果某个后继节点的入度减为0,则将其加入队列中。 6. 重复步骤3-5,直到队列为空为止。 实验四图的基本操作中,拓扑排序有很多应用。例如,在计算机科学中,拓扑排序可以用于在编译程序时确定函数和变量之间的依赖关系,使编译器能够正确地生成可执行代码。在日常生活中,拓扑排序也可以用于规划行程或安排任务,帮助人们更好地管理时间。因此,学习和掌握拓扑排序是很有意义的。 ### 回答3: 拓扑排序是一种有向无环图(DAG)的排序算法,它将有向无环图中的节点按照它们之间的依赖关系进行排序,使得每个节点的前驱节点在排序中出现在该节点的前面。拓扑排序常用于项目计划、编译器的依赖关系分析等领域。 在实验四图的基本操作中,拓扑排序是一种重要的排序方法。它可以将一个有向无环图中的所有节点按照其依赖关系进行排序,以便更好地理解图中节点之间的关系。 在使用拓扑排序时,需要选择一个起点,即没有前驱节点的节点,将其加入到排序结果中,然后将这个节点从图中删除。由于这个节点已经从图中删除,与之相连的边也会被删除,此时有可能会产生新的没有前驱节点的节点,将其加入到排序结果中,然后将这个节点从图中删除。如此不断地循环,直到所有的节点都被加入到排序结果中为止。 使用拓扑排序有几个注意事项。首先,拓扑排序只能应用在有向无环图中,如果该图存在环,那么会出现循环依赖,排序无法进行。其次,在应用拓扑排序时,需要保证节点之间只存在单向依赖关系,如果存在双向依赖关系,排序同样会出现问题。 总之,拓扑排序是一种基于节点之间依赖关系的排序算法,主要应用于项目计划、编译器的依赖关系分析等领域。在实验四图的基本操作中,拓扑排序可以帮助我们更好地理解图中节点之间的关系。同时,使用拓扑排序需要注意环和双向依赖关系等问题。

“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