这个问题可以通过拓扑排序来解决。拓扑排序是一种对有向无环图(DAG)进行排序的算法,它会按照依赖关系生成一个线性序列。在这个问题中,我们可以将资源的依赖关系看作是一个有向图,然后使用拓扑排序来检查是否存在循环依赖。如果在进行拓扑排序的过程中,我们发现有些节点无法加入到排序结果中,那么就说明存在循环依赖。
以下是C++代码实现:
#include <iostream>
#include <vector>
#include <queue>
using namespace std;
int main() {
int T;
cin >> T;
while (T--) {
int N;
cin >> N;
vector<vector<int>> graph(N);
vector<int> indegree(N, 0);
for (int i = 0; i < N; i++) {
for (int j = 0; j < N; j++) {
int a;
cin >> a;
if (a == 1) {
graph[j].push_back(i);
indegree[i]++;
}
}
}
queue<int> q;
for (int i = 0; i < N; i++) {
if (indegree[i] == 0) {
q.push(i);
}
}
int count = 0;
while (!q.empty()) {
int cur = q.front();
q.pop();
count++;
for (int next : graph[cur]) {
indegree[next]--;
if (indegree[next] == 0) {
q.push(next);
}
}
}
if (count == N) {
cout << 0 << endl;
} else {
cout << 1 << endl;
}
}
return 0;
}
在这段代码中,我们首先读取输入的测试用例数量T,然后对于每个测试用例,我们读取资源的数量N和资源的依赖关系,然后我们构建一个有向图和一个入度数组。然后我们将入度为0的节点加入到一个队列中。然后我们从队列中取出一个节点,将它加入到排序结果中,然后将它的所有后继节点的入度减1,如果后继节点的入度变为0,那么我们将后继节点加入到队列中。我们重复这个过程,直到队列为空。最后,我们检查排序结果中的节点数量是否等于资源的数量,如果等于,那么就说明不存在循环依赖,否则就说明存在循环依赖。
这段代码的时间复杂度是O(n^2),其中n是节点的数量。因为我们需要遍历所有节点,对于每个节点,我们还需要遍历它的所有邻接节点。所以总的时间复杂度是O(n^2)。
这段代码的空间复杂度是O(n),因为我们需要存储输入的有向图和入度数组。