1.你这个学期必须选修 numCourses 门课程,记为 0 到 numCourses - 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 。
示例 1:
输入:numCourses = 2, prerequisites = [[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 。这是可能的。
示例 2:
输入:numCourses = 2, prerequisites = [[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。
1.深度优先搜索
class Solution {
public boolean canFinish(int numCourses, int[][] prerequisites) {
List<List<Integer>> aj = new ArrayList<>();
for(int i = 0;i < numCourses;i++) {
aj.add(new ArrayList<>());
}
int[] isVisit = new int[numCourses];
for(int[] cp : prerequisites) {
aj.get(cp[1]).add(cp[0]);
}
for(int i = 0;i < numCourses;i++) {
if(!dfs(aj,isVisit,i))
return false;
}
return true;
}
public boolean dfs(List<List<Integer>> aj,int[] isVisit,int i) {
//如果后面的元素为一,说明已经被赋值过了,也就是已经被学过了,这是不符合题意的
if(isVisit[i] == 1)
return false;
//表示后面的课程已经被前面判断过没有问题,剪枝
if(isVisit[i] == -1)
return true;
isVisit[i] = 1;
for(int j : aj.get(i)) {
if(!dfs(aj,isVisit,j))
return false;
}
isVisit[i] = -1;
return true;
}
}
2.广度优先搜索
class Solution {
public boolean canFinish(int numCourses, int[][] prerequisites) {
List<List<Integer>> res = new ArrayList<>();
int[] arr = new int[numCourses];
for(int i = 0;i < numCourses;i++) {
res.add(new ArrayList<Integer>());
}
for(int[] p : prerequisites) {
res.get(p[1]).add(p[0]);
//只要arr[p[0]]不等于0,则表示它前面还有arr[p[0]]的课程要学
arr[p[0]]++;
}
Queue<Integer> q = new LinkedList<>();
for(int i = 0;i < numCourses;i++) {
//先将先学的课程推入
if(arr[i] == 0)
q.offer(i);
}
int isVist = 0;
while(!q.isEmpty()) {
isVist++;
int u = q.poll();
for(int e : res.get(u)) {
arr[e]--;
//如果它前面没有课程需要学了,就将该课程推入
if(arr[e] == 0)
q.offer(e);
}
}
return isVist == numCourses;
}
}
2.
现在你总共有 numCourses 门课需要选,记为 0 到 numCourses - 1。给你一个数组 prerequisites ,其中 prerequisites[i] = [ai, bi] ,表示在选修课程 ai 前 必须 先选修 bi 。
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:[0,1] 。
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 任意一种 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:numCourses = 2, prerequisites = [[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:numCourses = 4, prerequisites = [[1,0],[2,0],[3,1],[3,2]]
输出:[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] 。
示例 3:
输入:numCourses = 1, prerequisites = []
输出:[0]
1.广度优先搜索
class Solution {
List<List<Integer>> res = new ArrayList<>();
int[] isvisit;
int[] arr;
public int[] findOrder(int numCourses, int[][] prerequisites) {
isvisit = new int[numCourses];
arr = new int[numCourses];
for(int i = 0;i < numCourses;i++) {
res.add(new ArrayList<Integer>());
}
for(int[] cp : prerequisites) {
res.get(cp[1]).add(cp[0]);
isvisit[cp[0]]++;
}
Queue<Integer> q = new LinkedList<>();
for(int i = 0;i < numCourses;i++) {
if(isvisit[i] == 0) {
q.offer(i);
}
}
int count = 0;
while(!q.isEmpty()) {
count++;
int u = q.poll();
arr[count - 1] = u;
for(int r : res.get(u)) {
isvisit[r]--;
if(isvisit[r] == 0)
q.offer(r);
}
}
if(count == numCourses)
return arr;
return new int[0];
}
}
2.深度优先搜索
class Solution {
List<List<Integer>> res = new ArrayList<>();
boolean is = true;
int[] arr;
int[] isVisit;
int index;
public int[] findOrder(int numCourses, int[][] prerequisites) {
arr = new int[numCourses];
isVisit = new int[numCourses];
index = numCourses - 1;
for(int i = 0;i < numCourses;i++) {
res.add(new ArrayList<Integer>());
}
for(int[] p : prerequisites) {
res.get(p[1]).add(p[0]);
}
for(int i = 0;i < numCourses && is;i++) {
if(isVisit[i] == 0) {
dfs(i);
}
}
if(!is)
return new int[0];
return arr;
}
public void dfs(int u) {
isVisit[u] = 1;
for(int i : res.get(u)) {
if(isVisit[i] == 0) {
dfs(i);
if(!is) {
return;
}
}else if(isVisit[i] == 1){
is = false;
return;
}
}
isVisit[u] = 2;
arr[index--] = u;
}
}
3.
树是一个无向图,其中任何两个顶点只通过一条路径连接。 换句话说,一个任何没有简单环路的连通图都是一棵树。
给你一棵包含 n 个节点的树,标记为 0 到 n - 1 。给定数字 n 和一个有 n - 1 条无向边的 edges 列表(每一个边都是一对标签),其中 edges[i] = [ai, bi] 表示树中节点 ai 和 bi 之间存在一条无向边。
可选择树中任何一个节点作为根。当选择节点 x 作为根节点时,设结果树的高度为 h 。在所有可能的树中,具有最小高度的树(即,min(h))被称为 最小高度树 。
请你找到所有的 最小高度树 并按 任意顺序 返回它们的根节点标签列表。
树的 高度 是指根节点和叶子节点之间最长向下路径上边的数量。
class Solution {
public List<Integer> findMinHeightTrees(int n, int[][] edges) {
List<Integer> res = new ArrayList<>();
/*如果只有一个节点,那么他就是最小高度树*/
if (n == 1) {
res.add(0);
return res;
}
/*建立各个节点的出度表*/
int[] degree = new int[n];
/*建立图关系,在每个节点的list中存储相连节点*/
List<List<Integer>> map = new ArrayList<>();
for (int i = 0; i < n; i++) {
map.add(new ArrayList<>());
}
for (int[] edge : edges) {
degree[edge[0]]++;
degree[edge[1]]++;/*出度++*/
map.get(edge[0]).add(edge[1]);/*添加相邻节点*/
map.get(edge[1]).add(edge[0]);
}
/*建立队列*/
Queue<Integer> queue = new LinkedList<>();
/*把所有出度为1的节点,也就是叶子节点入队*/
for (int i = 0; i < n; i++) {
if (degree[i] == 1) queue.offer(i);
}
/*循环条件当然是经典的不空判断*/
while (!queue.isEmpty()) {
res = new ArrayList<>();/*这个地方注意,我们每层循环都要new一个新的结果集合,
这样最后保存的就是最终的最小高度树了*/
int size = queue.size();/*这是每一层的节点的数量*/
for (int i = 0; i < size; i++) {
int cur = queue.poll();
res.add(cur);/*把当前节点加入结果集,不要有疑问,为什么当前只是叶子节点为什么要加入结果集呢?
因为我们每次循环都会新建一个list,所以最后保存的就是最后一个状态下的叶子节点,
这也是很多题解里面所说的剪掉叶子节点的部分,你可以想象一下图,每层遍历完,
都会把该层(也就是叶子节点层)这一层从队列中移除掉,
不就相当于把原来的图给剪掉一圈叶子节点,形成一个缩小的新的图吗*/
List<Integer> neighbors = map.get(cur);
/*这里就是经典的bfs了,把当前节点的相邻接点都拿出来,
* 把它们的出度都减1,因为当前节点已经不存在了,所以,
* 它的相邻节点们就有可能变成叶子节点*/
for (int neighbor : neighbors) {
degree[neighbor]--;
if (degree[neighbor] == 1) {
/*如果是叶子节点我们就入队*/
queue.offer(neighbor);
}
}
}
}
return res;/*返回最后一次保存的list*/
}
}
4.记忆化搜索
给你一个整数数组 coins ,表示不同面额的硬币;以及一个整数 amount ,表示总金额。
计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额,返回 -1 。
你可以认为每种硬币的数量是无限的。
示例 1:
输入:coins = [1, 2, 5], amount = 11
输出:3
解释:11 = 5 + 5 + 1
示例 2:
输入:coins = [2], amount = 3
输出:-1
示例 3:
输入:coins = [1], amount = 0
输出:0
class Solution {
public int coinChange(int[] coins, int amount) {
if(amount < 1)
return 0;
return dfs(coins,amount,new int[amount]);
}
public int dfs(int[] coins,int res,int[] count) {
if(res < 0)
return -1;
if(res == 0)
return 0;
//记忆化搜索关键
if(count[res - 1] != 0)
return count[res - 1];
int min = Integer.MAX_VALUE;
for(int val : coins) {
int a = dfs(coins,res - val,count);
if(a >= 0 && a < min) {
//加一是为了前面的那一步加上的金币数
min = a + 1;
}
}
count[res - 1] = (min == Integer.MAX_VALUE ? -1 : min);
//count[]是下标从0开始的,count[res - 1]表示的是res钱需要的最少金币数
return count[res - 1];
}
}