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。