leetcode刷题总结之拓扑排序
1、leetcode207:课程表
a. 深度优先搜索
b. 广度优先搜索
2、leetcode210:课程表II
a. 深度优先搜索
b. 广度优先搜索
拓扑排序问题
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」。根据上述的定义,我们可以得出两个结论:
- 如果图 G 中存在环(即图 G不是「有向无环图」),那么图 G 不存在拓扑排序。这是因为假设图中存在环 x1,x2,⋯ ,xn,x1那么 x1 在排列中必须出现在 xn的前面,但 xn 同时也必须出现在 x1的前面,因此不存在一个满足要求的排列,也就不存在拓扑排序;
- 如果图 G 是有向无环图,那么它的拓扑排序可能不止一种。举一个最极端的例子,如果图 G值包含 n个节点却没有任何边,那么任意一种编号的排列都可以作为拓扑排序。
方法一:深度优先搜索
思路
- 我们可以将深度优先搜索的流程与拓扑排序的求解联系起来,用一个栈来存储所有已经搜索完成的节点。
对于一个节点 u,如果它的所有相邻节点都已经搜索完成,那么在搜索回溯到 u 的时候,u 本身也会变成一个已经搜索完成的节点。这里的「相邻节点」指的是从 u 出发通过一条有向边可以到达的所有节点。 - 假设我们当前搜索到了节点 u,如果它的所有相邻节点都已经搜索完成,那么这些节点都已经在栈中了,此时我们就可以把 u入栈。可以发现,如果我们从栈顶往栈底的顺序看,由于 u 处于栈顶的位置,那么 u 出现在所有 u 的相邻节点的前面。因此对于 u 这个节点而言,它是满足拓扑排序的要求的。
这样以来,我们对图进行一遍深度优先搜索。当每个节点进行回溯的时候,我们把该节点放入栈中。最终从栈顶到栈底的序列就是一种拓扑排序。
算法
对于图中的任意一个节点,它在搜索的过程中有三种状态,即:
- 「未搜索」:我们还没有搜索到这个节点;
- 「搜索中」:我们搜索过这个节点,但还没有回溯到该节点,即该节点还没有入栈,还有相邻的节点没有搜索完成);
- 「已完成」:我们搜索过并且回溯过这个节点,即该节点已经入栈,并且所有该节点的相邻节点都出现在栈的更底部的位置,满足拓扑排序的要求。
通过上述的三种状态,我们就可以给出使用深度优先搜索得到拓扑排序的算法流程,在每一轮的搜索搜索开始时,我们任取一个「未搜索」的节点开始进行深度优先搜索。
- 我们将当前搜索的节点 u 标记为「搜索中」,遍历该节点的每一个相邻节点 v:
- 如果 v 为「未搜索」,那么我们开始搜索 v,待搜索完成回溯到 u;
- 如果 v为「搜索中」,那么我们就找到了图中的一个环,因此是不存在拓扑排序的;
- 如果 v 为「已完成」,那么说明 v已经在栈中了,而 u 还不在栈中,因此 u 无论何时入栈都不会影响到 (u,v)之前的拓扑关系,以及不用进行任何操作。
- 当 u 的所有相邻节点都为「已完成」时,我们将 u放入栈中,并将其标记为「已完成」。
- 在整个深度优先搜索的过程结束后,如果我们没有找到图中的环,那么栈中存储这所有的 n 个节点,从栈顶到栈底的顺序即为一种拓扑排序。
优化
由于我们只需要判断是否存在一种拓扑排序,而栈的作用仅仅是存放最终的拓扑排序结果,因此我们可以只记录每个节点的状态,而省去对应的栈。
拓扑排序–深度优先搜索(leetcode207:课程表)
class Solution {
vector<vector<int>> adjcent;
vector<int> visited;
bool flag = true;
public:
//拓扑排序--深度优先搜索
bool canFinish(int numCourses, vector<vector<int>>& prerequisites)
{
adjcent.resize(numCourses); //初始化邻接表
visited.resize(numCourses); //初始化标记数组,0未访问,1访问过,2已完成
for(auto& pre:prerequisites) //遍历节点,确定邻接矩阵
{
adjcent[pre[1]].push_back(pre[0]);
}
for(int i = 0; i < numCourses && flag; i++)
{
if(!visited[i]