现在你总共有 n 门课需要选,记为 0 到 n-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,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。
这个问题相当于查找一个环是否存在于有向图中。如果存在环,则不存在拓扑排序,因此不可能选取所有课程进行学习。常用的Topological Sorting算法有两种
Kahn’s Algorithms (wiki): BFS based, start from with vertices with 0 incoming edge,insert them into list S,at the same time we remove all their outgoing edges,after that find new vertices with 0 incoming edges and go on.
Tarjan’s Algorithms (wiki): DFS based, loop through each node of the graph in an arbitrary order,initiating a depth-first search that terminates when it hits any node that has already been visited since the beginning of the topological sort or the node has no outgoing edges (i.e. a leaf node).
BFS:
使用队列,使用一个数组记录所有节点的入度,首先将所有入度为0的节点入队,依次将节点出队,同时删除与节点相连的边,即把边的另一节点的入度减一,如果减到0了就入队,直到队空,这样出队的顺序就是拓扑排序,如果出队的节点个数不等于总结点个数说明有环。
class Solution {
public boolean canFinish(int numCourses, int[][] prerequisites) {
List<Integer> res = new ArrayList<Integer>();
Queue<Integer> q = new LinkedList<Integer>();
int[] indegree = new int[numCourses];
for (int i = 0; i < numCourses; i++)
indegree[i] = 0;
for (int i = 0; i < prerequisites.length; i++) {
indegree[prerequisites[i][0]]++;
}
for (int i = 0; i < numCourses; i++) {
if (indegree[i] == 0)
q.offer(i);
}
while (!q.isEmpty()) {
int source = q.poll();
res.add(source);
for (int[] edge:prerequisites) {
if (edge[1] == source) {
indegree[edge[0]]--;
if (indegree[edge[0]] == 0)
q.offer(edge[0]);
}
}
}
return res.size() == numCourses;
}
}
DFS
使用isvisiting数组记录在进行一条路径的dfs时的访问情况,如果访问节点已经被访问过的,说明路径里存在环。stack里的节点依次出栈得到即为拓扑排序。
class Solution {
public boolean canFinish(int numCourses, int[][] prerequisites) {
Stack<Integer> stack = new Stack<>();
boolean[] visited = new boolean[numCourses];
boolean[] isvisiting = new boolean[numCourses];
for (int i = 0; i < numCourses; i++) {
if (!dfs(i, prerequisites, visited, isvisiting, stack))
return false;
}
return true;
}
private boolean dfs(int i, int[][] prerequisites, boolean[] visited, boolean[] isvisiting, Stack<Integer> stack) {
if (visited[i])
return true;
visited[i] = true;
isvisiting[i] = true;
for (int j = 0; j < prerequisites.length; j++) {
if (prerequisites[j][1] == i) {
if (!visited[prerequisites[j][0]]) {
if (!dfs(prerequisites[j][0], prerequisites, visited, isvisiting, stack))
return false;
}
if (isvisiting[prerequisites[j][0]])
return false;
}
}
isvisiting[i] = false;
stack.push(i);
return true;
}
}
以上方法的时间复杂度均为O(VE),如果用将图转化为邻接矩阵的形式,则可以将时间复杂度降低至 O(V+E)