【数据结构与算法】【算法思想】拓扑排序

最新推荐文章于 2024-08-29 09:43:20 发布

CryptWinter

最新推荐文章于 2024-08-29 09:43:20 发布

阅读量1.9k

点赞数

分类专栏：非0即1 刷题文章标签：算法拓扑排序 java

本文链接：https://blog.csdn.net/dadongwudi/article/details/108429580

版权

本文介绍了拓扑排序的概念及其在解决依赖关系问题中的应用，如穿衣顺序、课程学习序列等。详细阐述了Kahn算法和DFS深度优先搜索算法的实现过程，包括时间、空间复杂度分析，并探讨了这两种算法在有向边反向情况下的适应性。同时，文章提出了BFS广度优先搜索算法不适合用于拓扑排序的问题。

摘要由CSDN通过智能技术生成

一、拓扑排序

拓扑排序是基于依赖关系的节点，根据依赖关系而生成的序列。节点和依赖关系往往要生成有向无环图。类似的问题有：穿衣服裤子的先后关系，生成穿衣序列/专业课程与前置课程形成的课程学习序列/代码编译依赖关系形成的编译顺序序列。

public class Graph {
   
  private int v; // 顶点的个数
  private LinkedList<Integer> adj[]; // 邻接表

  public Graph(int v) {
   
    this.v = v;
    adj = new LinkedList[v];
    for (int i=0; i<v; ++i) {
   
      adj[i] = new LinkedList<>();
    }
  }

  public void addEdge(int s, int t) {
    // s先于t，边s->t
    adj[s].add(t);
  }
}

二、实现

0x00Kahn 算法

根据邻接表，很容易计算出每个节点的入度。
遍历每个入度，将入度为0的节点，放入队列。
队列不空，循环：
取出队首元素，输出他，然后遍历他的邻接节点，将邻接节点入度-1，如果邻接节点恰好为0，将节点放入队列。
时间复杂度：求入度：O(v+e),循环输出O(v+e)合起来O(v+e)
空间复杂度：入度数组O(v),队列<O(v)


public void topoSortByKahn() {
   
  int[] inDegree = new

最低0.47元/天解锁文章