Leetcode刷题记录 2023/10/16

207/210：课程表

有多门课程需要选修，给定课程总数和选修课程的依赖关系集合（[a,b]，即若需要选修课程a则需先选修课程b），求能否找到一个学完所有课程的学习顺序。

以课程为点，依赖关系为单向边建图，题目转化为求图中是否存在环。
验证图中是否有环的最简单方式是拓扑排序。

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，我们可以下结论：
如果图 $G$ 中存在环，那么图 $G$ 不存在拓扑排序（$u$在$v$前也在$v$后）

因此，题目转化为建图后求图是否存在拓扑排序。
建图我一般使用邻接表的方式建图，但这次也学到了如何使用C++动态容器建图。（之后算法阐述中使用C++动态容器法）

//传统邻接矩阵
const int maxn = 100005;
struct edge{
    int next, to;
}w[maxn];
int head[maxn], cnt = 0;
void Addedge(int x,int y){
    w[++cnt].to = y; w[cnt].next = head[x]; head[x] = cnt;
} 
//C++动态容器法
vector<vector<int>> edges;
void Addedge(int x,int y){edges[x].emplace_back(y);}

求拓扑排序存在两种思路，DFS与BFS。
DFS法中，一个点有3种状态——【未搜索】【搜索中】和【已搜索】。
由于拓扑排序的特性，一个深度优先搜索的过程就是我们寻找可行拓扑排列的过程；因此我们算法的流程如下：

• 从任意一个【未搜索】的点开始出发，将其状态置为【搜索中】；
• 在向下搜索的过程中，每次遇到【未搜索】的子节点就对其进行迭代DFS，待其搜索完毕生成子序列后回溯。
• 如果在向下搜索的过程中发现【搜索中】的节点，说明图中有环，此时直接不存在拓扑排序。
• 如果搜索的过程中发现了【已搜索】的节点，则忽略，对结果无影响；
• 搜索完毕一个点后将其置为【已搜索】。

具体看代码。

//DFS Topology
//vis:0未搜索，1搜索中，2已搜索
void DFS(int x){
	vis[x] = 1;
    for(int y: edges[x]){
    	if(vis[y] == 0){
            DFS(y);
            if(!valid) return;
        }
        if(vis[y] == 1){
            valid = false;
            return;
        }
    }
    vis[x] = 2;
}
for(int i = 0; i < numCourses && valid; i++){
	if(!vis[i]) DFS(i);
}

与之相对的是BFS算法。BFS算法不模拟拓扑寻找顺序，而是统计每个点的入度。若一个图存在拓扑排序，则一定有一个开始点，这个点没有任何依赖——即入度为零。BFS每次找出这个点之后，将其从图中删去，移除它的所有出边，使得其后继节点“少了一门先修课程”。如果存在拓扑排序，则在移除点之后紧邻的点应当变为入度为0的“可修课”。不断重复这个流程，直到：

• 所有点都已经变为出度为0的点，说明图中无环，存在拓扑序，且拓扑序正是每一次移除点的顺序。
• 某些点出度不为0，说明图中有环，环彼此依赖导致出度无法归零。

//在Addedge的过程中要统计入度。
queue<int> q;
vector<int> ans;//记录拓扑序
for(int i=0;i<numCourses;i++) if(!indegree[i]) q.push(i);//找初始点
while(!q.empty()){
	int x = q.front(); q.pop();
	ans.push_back(x);
	for(int y: edges[x]){
    	indegree[y]--;
        if(indegree[y] == 0) q.push(y);
    }
}
if(ans.size()!=numCourses) return {};//存在环
else return ans;