深度优先搜索+拓扑排序

深度优先搜索可以实现拓扑排序

//深度优先搜索的完成时间进行排序就是拓扑排序的逆序。

输入图G

G的邻接矩阵存储data.txt

6
0 1 0 1 0 0
0 0 1 0 0 0
0 0 0 1 0 0
0 1 0 0 0 0
0 0 1 0 0 1
0 0 0 0 0 0

DFS程序

/*
 * @file								DFS.cpp
 * @brief								implementing DFS page117
 * @author/Univ.						taoxiaoxiao/XMU
 * @date								10-1-2014
*/

#include <iostream>
#include <fstream>
using namespace std;

#define NIL -1
#define WHITE 0
#define GRAY 1
#define BLACK 2
#define INF 0x3f3f3f3f
#define MAXN 101

int graph[MAXN][MAXN]; 
int dist[MAXN], f[MAXN];
int color[MAXN], pre[MAXN];
int N, time;

void DFSVisit(int u)
{
	color[u] = GRAY;
	time=time+1;
	dist[u] = time;
	fo
  • 2
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
深度优先算法可以用于实现拓扑排序拓扑排序是对有向无环图(DAG)进行排序的一种算法,它能够找出图中节点的一个线性顺序,该顺序满足图中任意一条有向边上的起点在终点之前。 下面是深度优先实现拓扑排序的伪代码: 1. 创建一个空的结果列表result和一个空的集合visited,用于存储已访问过的节点。 2. 对图中的每个节点进行深度优先搜索: - 如果当前节点已经访问过,则跳过。 - 否则,递归地访问当前节点的所有邻居节点。 3. 当前节点的所有邻居节点都被访问完后,将当前节点加入结果列表result,并将其标记为已访问。 4. 返回结果列表result的逆序,即为拓扑排序的结果。 以下是一个使用深度优先算法实现拓扑排序的示例代码(使用Python语言): ```python def dfs(node, graph, visited, result): if visited[node]: return visited[node] = True for neighbor in graph[node]: dfs(neighbor, graph, visited, result) result.append(node) def topological_sort(graph): num_nodes = len(graph) visited = [False] * num_nodes result = [] for node in range(num_nodes): dfs(node, graph, visited, result) return result[::-1] ``` 在上述代码中,我们使用邻接表来表示有向图,其中graph是一个字典,键为节点,值为该节点的邻居节点列表。 你可以根据自己的需求来构建具体的图,并调用topological_sort函数来进行拓扑排序。注意,此算法要求输入的图为有向无环图,否则可能会导致无法完成拓扑排序或得到不正确的结果。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值