Leetcode-207.课程表

很经典的图论题目，如果想学习图论的遍历的话，以这道题作为入门，是非常合适的。

• 图的DFS
  图的DFS和树的DFS其实没什么不同，只不过图是有环的，有可能DFS会走着走着，走回自身。
• 图的BFS
  同理，图的BFS和树的BFS也是一样。

一般情况下，考虑图的DFS，BFS时，要多留意图节点的入度，出度。

---

题目如下：

你这个学期必须选修 numCourse 门课程，记为 0 到 numCourse-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，请你判断是否可能完成所有课程的学习？

示例 1:

输入: 2, [[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。所以这是可能的。
示例 2:

输入: 2, [[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。

提示：

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 。详情请参见图的表示法。
你可以假定输入的先决条件中没有重复的边。
1 <= numCourses <= 10^5

这道题其实本质上就是在问，一个图里是否有环？

怎样才是环呢，比如A->B,B->C,C->A，这三个节点就形成了一个环。在题意背景下，选修的课程是有前置课程的，比如想修人工智能，就必须先修高等数学，如果以0代表人工智能，1代表数学，因此就有[0，1]，但这种情况下，就不允许出现[1，0]，这意味着想修数学，必须先修了人工智能，这是无解的。这就是环。

这道题可以以DFS来做，也可以BFS来做。

1.DFS方法

如果一个图有环的，那么在DFS的过程中，会遍历会自身，当出现这种情况，我们就可以直接return，认为学生不能修完所有课程。

在这里，我们可以建议一个数组visit，以0，1，2来表示节点状态，代表正在遍历，0代表未遍历，2代表遍历结束。算法在开始的时候，所有的节点状态都是0，对某个节点进行遍历的时候，该节点状态变为1，遍历完这个节点的相邻节点的时候，这个节点状态变为0。

那么，如果图有环的话，对某节点遍历的时候，会访问到状态为1的节点，也就是自身。比如上面说的A->B,B->C,C->A，以A作为遍历点，最终会走回A。如果没有环，是访问不回A的，也就没法访问到状态为1的节点。

class Solution {
    boolean valid = true;
    //我们定义visit数组，1代表正在遍历，0代表未遍历，2代表遍历结束
    int[] visit;
    List<List<Integer>> edges;

    public boolean canFinish(int numCourses, int[][] prerequisites) {
        edges = new ArrayList<List<Integer>>();
        visit = new int[numCourses];
        for(int i = 0;i<numCourses;i++){
            visit[i] = 0; //全部被标记为未遍历过
            edges.add(new ArrayList<Integer>());
        }
        for(int[] info: prerequisites){
            edges.get(info[1]).add(info[0]);  //get取的是索引
        }
        for(int i=0;i<numCourses;i++){
            if(visit[i] == 0){
                dfs(i); //对节点进行遍历，dfs
            }
        }
        return valid;
    }
    public void dfs(int u){
        visit[u] = 1; //1代表遍历中
        for(int v: edges.get(u)){ //对u连接的边进行遍历
            if(visit[v] == 0){
                dfs(v);
                if(!valid)return;  //直接结束当前u的遍历，返回上一层
            }else if(visit[v] == 1){
                valid = false;
                return;
            }
        }
        visit[u] = 2; //2代表遍历结束
    }
}

2. BFS方法

首先来说说拓扑排序的概念。

给定一个包含 n个节点的有向图 G，我们给出它的节点编号的一种排列，如果满足：

对于图 G中的任意一条有向边 (u, v)，u 在排列中都出现在 v的前面。

那么称该排列是图 G 的「拓扑排序」。如果一个图里有环，那它是没有拓扑排序的。

另外，在一个没有环的图中，从入度为0的节点出发，拿走该节点的所有出边，则出边所对应的节点的入度，都会减少1，同样的操作做多次的话，所有的节点的入度都可以有规律的变为0，举个例子，A->B,C->B，可知B的入度为2，如果此时拿走A，以及A->B，可知B的入度就变为1了。从这点出发，可以设计如下算法。

我们使用一个队列来进行广度优先搜索。初始时，所有入度为 0 的节点都被放入队列中，它们就是可以作为拓扑排序最前面的节点，并且它们之间的相对顺序是无关紧要的。

在广度优先搜索的每一步中，我们取出队首的节点 u：

我们将 u放入答案中；

我们移除 u的所有出边，也就是将 u的所有相邻节点的入度减少 1。之后，如果某个相邻节点 v的入度变为 0，那么我们就将 v放入队列中。

在广度优先搜索的过程结束后。如果答案中包含了这 n个节点，那么我们就找到了一种拓扑排序，否则说明图中存在环，也就不存在拓扑排序了。

class Solution {
    List<List<Integer>> edges;
    int[] indeg;

    public boolean canFinish(int numCourses, int[][] prerequisites) {
        edges = new ArrayList<List<Integer>>();
        for (int i = 0; i < numCourses; ++i) {
            edges.add(new ArrayList<Integer>());
        }
        indeg = new int[numCourses];
        for (int[] info : prerequisites) {
            edges.get(info[1]).add(info[0]);
            ++indeg[info[0]];
        }

        Queue<Integer> queue = new LinkedList<Integer>();
        for (int i = 0; i < numCourses; ++i) {
            if (indeg[i] == 0) {
                queue.offer(i);
            }
        }

        int visited = 0;
        while (!queue.isEmpty()) {
            ++visited;
            int u = queue.poll();
            for (int v: edges.get(u)) {
                --indeg[v];
                if (indeg[v] == 0) {
                    queue.offer(v);
                }
            }
        }

        return visited == numCourses;
    }
}

该题的进阶版是Leetcode-210，完成该题后可前往210挑战。