拓扑排序

最新推荐文章于 2024-05-15 00:56:16 发布
最新推荐文章于 2024-05-15 00:56:16 发布
阅读量1k 收藏 3
点赞数
分类专栏： 数据结构与算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40061421/article/details/81676272
版权

拓扑排序介绍

拓扑排序(Topological Order)是指，将一个有向无环图(Directed Acyclic Graph简称DAG)进行排序进而得到一个有序的线性序列。

这样说，可能理解起来比较抽象。下面通过简单的例子进行说明！ 
例如，一个项目包括A、B、C、D四个子部分来完成，并且A依赖于B和D，C依赖于D。现在要制定一个计划，写出A、B、C、D的执行顺序。这时，就可以利用到拓扑排序，它就是用来确定事物发生的顺序的。

在拓扑排序中，如果存在一条从顶点A到顶点B的路径，那么在排序结果中B出现在A的后面。

拓扑排序的算法图解

拓扑排序算法的基本步骤：

1. 构造一个队列Q(queue) 和 拓扑排序的结果队列T(topological)； 
2. 把所有没有依赖顶点的节点放入Q； 
3. 当Q还有顶点的时候，执行下面步骤： 
3.1 从Q中取出一个顶点n(将n从Q中删掉)，并放入T(将n加入到结果集中)； 
3.2 对n每一个邻接点m(n是起点，m是终点)； 
3.2.1 去掉边<n,m>; 
3.2.2 如果m没有依赖顶点，则把m放入Q; 
注：顶点A没有依赖顶点，是指不存在以A为终点的边。

以上图为例，来对拓扑排序进行演示。

第1步：将B和C加入到排序结果中。 
    顶点B和顶点C都是没有依赖顶点，因此将C和C加入到结果集T中。假设ABCDEFG按顺序存储，因此先访问B，再访问C。访问B之后，去掉边<B,A>和<B,D>，并将A和D加入到队列Q中。同样的，去掉边<C,F>和<C,G>，并将F和G加入到Q中。 
    (01) 将B加入到排序结果中，然后去掉边<B,A>和<B,D>；此时，由于A和D没有依赖顶点，因此并将A和D加入到队列Q中。 
    (02) 将C加入到排序结果中，然后去掉边<C,F>和<C,G>；此时，由于F有依赖顶点D，G有依赖顶点A，因此不对F和G进行处理。 
第2步：将A,D依次加入到排序结果中。 
    第1步访问之后，A,D都是没有依赖顶点的，根据存储顺序，先访问A，然后访问D。访问之后，删除顶点A和顶点D的出边。 
第3步：将E,F,G依次加入到排序结果中。

因此访问顺序是：B -> C -> A -> D -> E -> F -> G

 

#include <stdio.h>
#include <stdlib.h>
#include <malloc.h>
#include <string.h>
#include <assert.h>

#define isLetter(a)     ((((a)>='a')&&((a)<='z')) || (((a)>='A')&&((a)<='Z')))
#define LENGTH(a)       (sizeof(a)/sizeof(a[0]))

// 邻接表中表对应的链表的顶点
typedef struct _ENode
{
    int ivex;                   // 该边所指向的顶点的位置
    struct _ENode *next_edge;   // 指向下一条弧的指针
}ENode, *PENode;

// 邻接表中表的顶点
typedef struct _VNode
{
    char data;              // 顶点数据
    ENode *first_edge;      // 指向第一条依附该顶点的弧
}VNode;

// 邻接表
typedef struct _LGraph
{
    int vexnum;             // 图的顶点的数目
    int edgnum;             // 图的边的数目
    VNode *vexs;            // 图的顶点数组
}LGraph;

/*
 * 返回ch在matrix矩阵中的位置
 */
static int get_position(LGraph g, char ch)
{
    int i;
    for(i=0; i<g.vexnum; i++)
        if(g.vexs[i].data==ch)
            return i;
    return -1;
}

/*
 * 读取一个输入字符
 */
static char read_char()
{
    char ch;

    do {
        ch = getchar();
    } while(!isLetter(ch));

    return ch;
}

/*
 * 将node链接到list的末尾
 */
static void link_last(ENode *list, ENode *node)
{
    ENode *p = list;

    while(p->next_edge)
        p = p->next_edge;
    p->next_edge = node;
}

/*
 * 创建邻接表对应的图(自己输入)
 */
LGraph* create_lgraph()
{
    char c1, c2;
    int v, e;
    int i, p1, p2;
    ENode *node1, *node2;
    LGraph* pG;

    // 输入"顶点数"和"边数"
    printf("input vertex number: ");
    scanf("%d", &v);
    printf("input edge number: ");
    scanf("%d", &e);
    if ( v < 1 || e < 1 || (e > (v * (v-1))))
    {
        printf("input error: invalid parameters!\n");
        return NULL;
    }
 
    pG = (LGraph*)malloc(sizeof(LGraph));
    assert(pG!=NULL);

    // 初始化"顶点数"和"边数"
    pG->vexnum = v;
    pG->edgnum = e;
    pG->vexs = (VNode *)malloc(pG->vexnum * sizeof(VNode));
    assert(pG->vexs != NULL);
    // 初始化"邻接表"的顶点
    for(i=0; i<pG->vexnum; i++)
    {
        printf("vertex(%d): ", i);
        pG->vexs[i].data = read_char();
        pG->vexs[i].first_edge = NULL;
    }

    // 初始化"邻接表"的边
    for(i=0; i<pG->edgnum; i++)
    {
        // 读取边的起始顶点和结束顶点
        printf("edge(%d): ", i);
        c1 = read_char();
        c2 = read_char();

        p1 = get_position(*pG, c1);
        p2 = get_position(*pG, c2);
        // 初始化node1
        node1 = (ENode*)malloc(sizeof(ENode));
        node1->ivex             = p2;
        // 将node1链接到"p1所在链表的末尾"
        if(pG->vexs[p1].first_edge == NULL)
          pG->vexs[p1].first_edge = node1;
        else
            link_last(pG->vexs[p1].first_edge, node1);
    }

    return pG;
}

/*
 * 创建邻接表对应的图(用已提供的数据)
 */
LGraph* create_example_lgraph()
{
    char c1, c2;
    char vexs[] = {'A', 'B', 'C', 'D', 'E', 'F', 'G'};
    char edges[][2] = {
        {'A', 'G'}, 
        {'B', 'A'}, 
        {'B', 'D'}, 
        {'C', 'F'}, 
        {'C', 'G'}, 
        {'D', 'E'}, 
        {'D', 'F'}}; 
    int vlen = LENGTH(vexs);
    int elen = LENGTH(edges);
    int i, p1, p2;
    ENode *node1, *node2;
    LGraph* pG;

    if ((pG=(LGraph*)malloc(sizeof(LGraph))) == NULL )
    assert(pG != NULL);
    memset(pG, 0, sizeof(LGraph));

    // 初始化"顶点数"和"边数"
    pG->vexnum = vlen;
    pG->edgnum = elen;
    pG->vexs = (VNode *)malloc(pG->vexnum * sizeof(VNode));
    assert(pG->vexs != NULL);
    // 初始化"邻接表"的顶点
    for(i=0; i<pG->vexnum; i++)
    {
        pG->vexs[i].data = vexs[i];
        pG->vexs[i].first_edge = NULL;
    }

    // 初始化"邻接表"的边
    for(i=0; i<pG->edgnum; i++)
    {
        // 读取边的起始顶点和结束顶点
        c1 = edges[i][0];
        c2 = edges[i][1];

        p1 = get_position(*pG, c1);
        p2 = get_position(*pG, c2);
        // 初始化node1
        node1 = (ENode*)malloc(sizeof(ENode));
        node1->ivex = p2;
        // 将node1链接到"p1所在链表的末尾"
        if(pG->vexs[p1].first_edge == NULL)
          pG->vexs[p1].first_edge = node1;
        else
            link_last(pG->vexs[p1].first_edge, node1);
    }

    return pG;
}

/*
 * 深度优先搜索遍历图的递归实现
 */
static void DFS(LGraph G, int i, int *visited)
{
    int w;
    ENode *node;

    visited[i] = 1;
    printf("%c ", G.vexs[i].data);
    node = G.vexs[i].first_edge;
    while (node != NULL)
    {
        if (!visited[node->ivex])
            DFS(G, node->ivex, visited);
        node = node->next_edge;
    }
}

/*
 * 深度优先搜索遍历图
 */
void DFS_traverse(LGraph G)
{
    int i;
    int *visited;       // 顶点访问标记

    visited = (int *)malloc(G.vexnum * sizeof(int));
    assert(visited != NULL);

    // 初始化所有顶点都没有被访问
    memset(visited, 0, G.vexnum * sizeof(int));

    printf("== DFS: ");
    for (i = 0; i < G.vexnum; i++)
    {
        if (!visited[i])
            DFS(G, i, visited);
    }
    printf("\n");

    free(visited);
}

/*
 * 广度优先搜索（类似于树的层次遍历）
 */
void BFS(LGraph G)
{
    int head = 0;
    int rear = 0;
    int *queue;     // 辅组队列
    int *visited;   // 顶点访问标记
    int i, j, k;
    ENode *node;


    queue   = (int *)malloc(G.vexnum * sizeof(int));
    visited = (int *)malloc(G.vexnum * sizeof(int));
    assert(queue!=NULL && visited!=NULL);

    memset(queue, 0, G.vexnum * sizeof(int));
    memset(visited, 0, G.vexnum * sizeof(int));

    printf("== BFS: ");
    for (i = 0; i < G.vexnum; i++)
    {
        if (!visited[i])
        {
            visited[i] = 1;
            printf("%c ", G.vexs[i].data);
            queue[rear++] = i;  // 入队列
        }
        while (head != rear) 
        {
            j = queue[head++];  // 出队列
            node = G.vexs[j].first_edge;
            while (node != NULL)
            {
                k = node->ivex;
                if (!visited[k])
                {
                    visited[k] = 1;
                    printf("%c ", G.vexs[k].data);
                    queue[rear++] = k;
                }
                node = node->next_edge;
            }
        }
    }
    printf("\n");

    free(visited);
    free(queue);
}

/*
 * 拓扑排序
 *
 * 参数说明：
 *     G -- 邻接表表示的有向图
 * 返回值：
 *     -1 -- 失败(由于内存不足等原因导致)
 *      0 -- 成功排序，并输入结果
 *      1 -- 失败(该有向图是有环的)
 */
int topological_sort(LGraph G)
{
    int i,j;
    int index = 0;
    int head = 0;           // 辅助队列的头
    int rear = 0;           // 辅助队列的尾
    int *queue;             // 辅组队列
    int *ins;               // 入度数组
    char *tops;             // 拓扑排序结果数组，记录每个节点的排序后的序号。
    int num = G.vexnum;
    ENode *node;

    ins  = (int *)malloc(num*sizeof(int));  // 入度数组
    tops = (char *)malloc(num*sizeof(char));// 拓扑排序结果数组
    queue = (int *)malloc(num*sizeof(int)); // 辅助队列
    assert(ins!=NULL && tops!=NULL && queue!=NULL);
    memset(ins, 0, num*sizeof(int));
    memset(tops, 0, num*sizeof(char));
    memset(queue, 0, num*sizeof(int));

    // 统计每个顶点的入度数
    for(i = 0; i < num; i++)
    {
        node = G.vexs[i].first_edge;
        while (node != NULL)
        {
            ins[node->ivex]++;
            node = node->next_edge;
        }
    }

    // 将所有入度为0的顶点入队列
    for(i = 0; i < num; i ++)
        if(ins[i] == 0)
            queue[rear++] = i;          // 入队列

    while (head != rear)                // 队列非空
    {
        j = queue[head++];              // 出队列。j是顶点的序号
        tops[index++] = G.vexs[j].data; // 将该顶点添加到tops中，tops是排序结果
        node = G.vexs[j].first_edge;    // 获取以该顶点为起点的出边队列

        // 将与"node"关联的节点的入度减1；
        // 若减1之后，该节点的入度为0；则将该节点添加到队列中。
        while(node != NULL)
        {
            // 将节点(序号为node->ivex)的入度减1。
            ins[node->ivex]--;
            // 若节点的入度为0，则将其"入队列"
            if( ins[node->ivex] == 0)
                queue[rear++] = node->ivex;  // 入队列

            node = node->next_edge;
        }
    }

    if(index != G.vexnum)
    {
        printf("Graph has a cycle\n");
        free(queue);
        free(ins);
        free(tops);
        return 1;
    }

    // 打印拓扑排序结果
    printf("== TopSort: ");
    for(i = 0; i < num; i ++)
        printf("%c ", tops[i]);
    printf("\n");

    free(queue);
    free(ins);
    free(tops);
    return 0;
}

/*
 * 打印邻接表图
 */
void print_lgraph(LGraph G)
{
    int i;
    ENode *node;

    printf("== List Graph:\n");
    for (i = 0; i < G.vexnum; i++)
    {
        printf("%d(%c): ", i, G.vexs[i].data);
        node = G.vexs[i].first_edge;
        while (node != NULL)
        {
            printf("%d(%c) ", node->ivex, G.vexs[node->ivex].data);
            node = node->next_edge;
        }
        printf("\n");
    }
}

 

PeterBishop0
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
拓扑排序和关键路径算法 (C语言实现)
wangeil007的博客
07-22 2680
拓扑排序 首先要说明一下，拓扑排序不是一种排序方式，而是做一系列事件的可行次序。我们日常生活中，有时必须先完成一些事情，然后才能做另外一些事情。举个例子，我们学数学的时候，一定是先学习加减法，然后学乘除法，接着学习平方、根号等。不可能反着学。这就是拓扑排序。 拓扑排序可能是不唯一的，例如学完加减法之后，可以先学乘法，也可以先学除法。 拓扑排序不可能循环依赖 (存在环)，例如在完成A事件之前必须完成B事件，在完成B事件之前必须完成A事件。如果发生这样的情况，那么这些事件不可能组成拓扑排序。如果在计算机运行的时
拓扑排序(一)之 C语言详解
xiedeacc的专栏
06-01 6419
出自： 拓扑排序(一)之 C语言详解 本章介绍图的拓扑排序。和以往一样，本文会先对拓扑排序的理论知识进行介绍，然后给出C语言的实现。后续再分别给出C++和Java版本的实现。 目录  1. 拓扑排序介绍  2. 拓扑排序的算法图解  3. 拓扑排序的代码说明  4. 拓扑排序的完整源码和测试程序 转载请注明出处：http://www.cnblogs.com/sk
C语言 拓扑排序（Kahn算法和DFS算法实现）
m0_73070900的博客
06-05 1174
Kahn算法和DFS算法都可以实现拓扑排序，二者均对顶点进行入度计数，但他们的实现方式不同，各有特点。Kahn算法使用栈或队列进行操作，实现过程简单且极易理解；而DFS算法则更加优美，同时也使用了栈的思想。然而，当面对大规模数据时，Kahn算法通常会更快一些。总之，两种算法都是在时间复杂度(n为顶点数，e为边数)的情况下解决任务调度问题、编译依赖等问题的简单有效方法。
图的拓扑序列（BFS)
最新发布
qinghehe198508的博客
05-15 224
way：找入度为0的节点删除，减少其他节点的入度，继续找入度为0的节点，直到删除完所有的图节点。（遍历node的neighbors就能得到neighbors的入度信息）
C++ 图系列之基于有向无环图的拓扑排序算法
y6123236的专栏
04-12 1005
有向无环图，字面而言，指图中不存在环(回路)，意味着从任一顶点出发都不可能回到顶点本身。有向无环图也称为。有向无环图可用来描述顶点之间的依赖关系，依赖这个概念在面向对象编程中经常出现。如使用B组件时，需要先有A组件，或说B组件依赖A组件，通俗言之，有A才有B。可用如下图描述。在面向对象编程的场景中，组件之间的依赖关系链中不能出现环。如现有3个组件，C依赖BB依赖于A。正确的图解应该如下图。如果在A和C添加依赖，则会出现环，在面向对象中，称此种情况为循坏依赖，显然，会导致死锁，从而让程序崩溃。图示有C。
拓扑排序算法思想
12-10
### 拓扑排序算法思想 拓扑排序是一种针对有向无环图（Directed Acyclic Graph, DAG）进行排序的方法，其目的是为了确定一个合理的线性顺序，使得图中的每条有向边从前往后遍历都指向一个更大的顶点。这种排序方式...
Python实现拓扑排序
06-07
用Python借助深度搜索实现节点的拓扑排序，节点有3种颜色表示3种状态。本资源仅作交流学习使用，请勿上传至任何平台和作为作业交给任何学校或机构。
ACM拓扑排序
11-25
假设给我们一个任意的图，它可能是也可能不是DAG（有向无圈图），推广拓扑排序算法，以使得给定有向图G的输入，它的输出是以下两者之一： (a) 一个拓扑排序，于是确定了G为DAG； 或者 (b) G中的一个圈，于是确定了G...
Golang实现拓扑排序(DFS算法版)
09-18
拓扑排序是一种对有向无环图(DAG, Directed Acyclic Graph)的顶点进行排序的方法，使得对于图中的每一条有向边 `(u, v)`，顶点 `u` 的排序位置总在顶点 `v` 之前。在本例中，拓扑排序被用来解决一个数字顺序排列的...
拓扑排序详解（超详细+模板）
wait
08-09 1万+
拓扑排序 1.什么是拓扑排序 对一个有向无环图(Directed Acyclic Graph简称DAG)G进行拓扑排序，是将G中所有顶点排成一个线性序列，使得图 中任 意一对顶点u和v，若边(u,v)∈E(G)，则u在线性序列中出现在v之前。通常，这样的线性序列称为满足拓扑次序 (Topological Order)的序列，简称拓扑序列。简单的说，由某个集合上的一个偏序得到该集合上的一个全序，这个...
数据结构实验8---- 拓扑排序
qq_60737285的博客
07-17 461
给定有向图，设计一个算法，对它进行拓扑排序。拓扑排序算法思想：a.在有向图中任选一个没有前趋的顶点输出；b.从图中删除该顶点和所有以它为尾的弧；c.重复上述a、b，直到全部顶点都已输出，此时，顶点输出序列即为一个拓朴有序序列；或者直到图中没有无前趋的顶点为止，此情形表明有向图中存在环。
有向图拓扑排序
Mekeater的博客
05-27 1万+
有向图拓扑排序 前言 本文介绍有向图拓扑排序算法的思路及代码实现，首先讲解什么是拓扑排序，其次介绍实现拓扑排序需要的检测有向图是否有环的算法及顶点排序算法，最终实现有向图的拓扑排序。 一、什么是拓扑排序？ 给定一副有向图，将所有的顶点排序，使得所有的有向边均从排在前面的元素指向排在后面的元素，此时就可以明 确的表示出每个顶点的优先级。如对下图进行拓扑排序： 拓扑排序结果为： 根据拓扑排序的概念，如果对有向图进行拓扑排序，那么图中必须没有环，否则，就不能进行拓扑排序，然后在图中无环的情况下，再进行顶点排
拓扑排序详解
热门推荐
qq_56012214的博客
05-25 1万+
古人学问无遗力 少壮功夫老始成
拓扑排序（Topological Sort）
ZergWang's Blog
12-24 1243
问题引入 现实生活中我们遇到的要处理的事情可能要讲究先后顺序，比如说要先穿好衬衫才能穿外套，再比如说一个计算机系的学生想修完所有课程： 面对这样一张图，如何求出做事的顺序？这时需要拓扑排序： 将事件视为点，先后关系视为边，则可以把“先做事件2，再做事件1”抽象成：2→1，同理可将上面的课表变成一副有向图： 拓扑排序算法 拓扑排序就是通过以上这种有向图来获知这一系列事情的先后顺序。算法的主要步骤有： 首先找一个入度为零的点（入度为零表示没有点指向该点，说明做该点代表的事没有前提，找不到说明该图是一个环
快速幂和矩阵快速幂(取模)算法
Geek
09-11 1万+
对于普通类型的求a^n，我们的求法是不是a*a*a*a....，这样乘以n次，时间复杂度为O(n)，对于普通n比较小的我们可以接受，然而当n比较大的时候，计算就慢了，所以我们就去寻找更快捷的计算方法！ 例如：我们要求2^8，我们通过当为偶数的时候，a^n=(a*a)^(n/2)，当n为奇数时，a^n=a*(a*a)^(n/2)的形式，是不是可以转化为4^4-&gt;8^2-&gt;64^1，就可...
拓扑排序 逆拓扑排序
04-16
拓扑排序是种对有向无环图（DAG进行排序的算法。它将图中节点按照种特定的顺序进行排序，使得对于任意一条有向边 (u, v)，节点 u 在排序结果中都出现节点 v 的前面。 拓扑排序的实现方式如下： 1. 首先，找到图入度...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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