描述
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,返回你为了学完所有课程所安排的学习顺序。
可能会有多个正确的顺序,你只要返回一种就可以了。如果不可能完成所有课程,返回一个空数组。
示例 1:
输入: 2, [[1,0]]
输出: [0,1]
解释: 总共有 2 门课程。要学习课程 1,你需要先完成课程 0。因此,正确的课程顺序为 [0,1] 。
示例 2:
输入: 4, [[1,0],[2,0],[3,1],[3,2]]
输出: [0,1,2,3] or [0,2,1,3]
解释: 总共有 4 门课程。要学习课程 3,你应该先完成课程 1 和课程 2。并且课程 1 和课程 2 都应该排在课程 0 之后。
因此,一个正确的课程顺序是 [0,1,2,3] 。另一个正确的排序是 [0,2,1,3] 。
说明:
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
你可以假定输入的先决条件中没有重复的边。
提示:
这个问题相当于查找一个循环是否存在于有向图中。如果存在循环,则不存在拓扑排序,因此不可能选取所有课程进行学习。
通过 DFS (depth search first)深度优先搜索进行拓扑排序 ,,也可以通过 BFS (Breadth-First Search)广度优先搜索完成。
题目分析
可以使用正向思维,顺序地生成拓扑排序。
对一个DAG (Directed Acyclic Graph)有向无环图G进行拓扑排序,是将G中所有顶点排成一个线性序列,使得图中任意一对顶点u和v,若边<u,v>∈E(G),则u在线性序列中出现在v之前。通常,这样的线性序列称为满足拓扑次序(Topological Order)的序列,简称拓扑序列。简单的说,由某个集合上的一个偏序得到该集合上的一个全序,这个操作称之为拓扑排序
我们考虑拓扑排序中最前面的节点,该节点一定不会有任何入边(入度为0
),也就是它没有任何的先修课程要求。
当我们将一个节点加入答案数组result
之后,我们就可以移除它的所有出边,代表着它的相邻节点(也就是后置课程)便少了一门先修课程的要求,则此后置课程的入度-1
。
如果某个课程变成了「没有任何入边(入度为0)的节点」,那么就代表着这门课可以开始学习了。
按照这样的流程,我们不断地将入度为0的节点加入到答案数组result中,直到result中包含所有的节点(得到了一种拓扑排序)或者不存在没有入边的节点(图中包含环)。
上面的想法类似于广度优先搜索,因此我们可以将广度优先搜索的流程与拓扑排序的求解联系起来。
以示例 2:
输入: 4, [[1,0],[2,0],[3,1],[3,2]]
输出: [0,1,2,3] or [0,2,1,3]
来举例:
这是他们的先修关系图,此时:
- 课程0: 入度为0
- 课程1: 入度为1
- 课程2: 入度为1
- 课程3: 入度为2
将入度为0的课程0先加入到队列queue中:
令课程0出列,加入到result数组中,则以课程0为为先修课程的课程都少了一条入边,入度-1,result数组变为:
queue队列变成:
修课关系图变成如下:
此时:
- 课程1: 入度为0
- 课程2: 入度为0
- 课程3: 入度为1
则课程1和课程2都入队列:
先让课程1出列,加入到result数组中,此时变成: