Coursera Princeton Algorithm II - Week 1

好几天没有po文章了，泪奔，腐败了一个周末。

今天早上在一家咖啡店待了3个小时，总算把第一周的作业搞定了。

Coursera普林斯顿那门算法课真的超级好，讲得十分清晰！algorithm I上完之后就十分期待algorithm II，果然还是很高质量。

========================================================

先来简单复习一下BFS和DFS算法[1]：

// bfs
Queue<Integer> q = new Queue<Integer>();
q.enqueue(s);
marked[s] = true;
while(!q.empty()) {
	int v = q.dequeue();
	for (int w : G.adj(v)) {
		if (!marked[w]) {
			q.enqueue(w);
			marked[w] = true;
			edgeTo[w] = v;
		}
	}
}

// dfs
dfs(v) {
	marked[v] = true;
	for (int w : G.adj(v)) {
		if (!marked[w]) {
			edgeTo[w] = v;
			dfs(w);
		}
	}
}

========================================================

再来看看两个比较重要的有向图算法：

topological order def:

u comes before v if u point to v
// topo order
拓扑排序

假设有一系列课程[1]:

0. Algo
1. complexity theory
2. artificial intelligence
3. intro to cs
4. cryptography
5. scientific computing
6. advanced programming

假设这些课程有优先关系，比如要想选artificial intelligence就必须修过Intro to CS这门课[1]：

那么用拓扑排序就可以得到修课的先后顺序[1]：

算法：

use dfs & a stack, when dfs(v) return, put v in the stack
if can't reach {w1, w2, ..., wn} from v, dfs(w1)
pop from the stack and that's the topo order

// strong connected component (scc)
scc的定义是，在这个集合里面，从任何一个点出发都可以到达另外一个点。
一个有向图可以被分割为N个scc模块。
Kosaraju-Sharir algorithm[1]
#1 run DFS on G-Reverse to get the topological order
#2 run DFS/BFS on G using the previous topological order 

这里讲得比较粗略，具体可以看reference[1]里面有课件链接。

========================================================

assignment 1

作业是写一个wordNet的应用，用来进行计算语源学的分析。
我做一下简要的介绍这个wordNet，楼主不是学语源学的，只是来复述一下作业里面的描述：词语之间是有关系的，比方说斑马、老虎这一类同义词（synonym）的上义词（hypernyms）是动物。整个wordNet就是一个由这些词语（认为是点）和关系（认为是边）组成的巨大词语网络，我们作业只处理名词这一部分，名词的词根是entity。

对作业有兴趣的可以参考这个链接assignment1_wordNet。

Solution:

[1] data structure

重要的数据结构有这三个：
private HashMap<String, ArrayList<Integer>> strIdMap; // 存每个单词以及对应的id，注意，有些单词可能有多个id，因为同一个单词有不同含义
private ArrayList<String> strs; // 每个id对应的同义词集合
private Digraph G; // 表示wordNet的有向图

[2]algorithm:

有个核心的部分是计算两个词语离ancestor最近的距离以及这个ancestor，其实就是计算有向图里面，两个点v, w的共同ancestor与v, w之间的距离的和的最小值。
我使用的算法是分别对v和w跑一次bfs，对于v点，我们就可以知道任意一点u和v之间的距离，对于w也有同样的信息。

然后对有向图的所有点再遍历一次，每次遍历都计算(u,v)+(u,w)取最小值就可以了。

其实作业还有一些extra credit是给improvement的，楼主比较懒，pass所有的test cases就不管了，这是作业的github link，大虾们轻拍：assignment1_dmsehuang

参考：

[1] algorithm_week1_lecture_reference