优美地求距离
给你一个 n 个节点的 有向图 ,节点编号为 0 到 n - 1 ,每个节点 至多 有一条出边。
有向图用大小为 n 下标从 0 开始的数组 edges 表示,表示节点 i 有一条有向边指向 edges[i] 。如果节点 i 没有出边,那么 edges[i] == -1 。
同时给你两个节点 node1 和 node2 。
请你返回一个从 node1 和 node2 都能到达节点的编号,使节点 node1 和节点 node2 到这个节点的距离 较大值最小化。如果有多个答案,请返回 最小 的节点编号。如果答案不存在,返回 -1 。
注意 edges 可能包含环。
输入:edges = [2,2,3,-1], node1 = 0, node2 = 1
输出:2
解释:从节点 0 到节点 2 的距离为 1 ,从节点 1 到节点 2 的距离为 1 。
两个距离的较大值为 1 。我们无法得到一个比 1 更小的较大值,所以我们返回节点 2
这道题的解法其实不难,求node1、node2到所有结点的距离,然后遍历距离,找最小的最大值。主要是如何求所有结点距离,题解写的真的蛮优美的,而且避免了出现环在一直打转。
class Solution:
def closestMeetingNode(self, edges: List[int], node1: int, node2: int) -> int:
n, min_dis, ans = len(edges), len(edges), -1
def calc_dis(x: int) -> List[int]:
dis = [n] * n
d = 0
while x >= 0 and dis[x] == n:
dis[x] = d
d += 1
x = edges[x]
return dis
for i, d1, d2 in zip(range(n), calc_dis(node1), calc_dis(node2)):
d = max(d1, d2)
if d < min_dis:
min_dis, ans = d, i
return ans
重点看函数 calc_dis。
如何避免环?——初始距离设置为最大值,如果遍历到的时候距离不是最大值了,就停止。
内向基环
这个题好复杂,看原解答把。
解答的知识点有
1.处理这种问题的时候,先对数据做预处理。(在本题中,处理入度,甚至还做了反图)
2.在一个有环的图中,如何减去树枝?——从入度为0的结点出发,进行拓扑排序,遍历到的结点入度- 1。这样入度不为0的点就剩下是环了。(可以脑补一下)
3.如何得到多环图里环的长度?——这个和上一题差不多。遍历环上的点进行计数。
①记录起点,回到起点终止
②该点如果访问过,入度置为-1,下一次访问的时候跳过。
原来这能用到拓扑排序
给你下标从 0 开始、长度为 n 的字符串 pattern ,它包含两种字符,‘I’ 表示 上升 ,‘D’ 表示 下降 。
你需要构造一个下标从 0 开始长度为 n + 1 的字符串,且它要满足以下条件:
num 包含数字 ‘1’ 到 ‘9’ ,其中每个数字 至多 使用一次。
如果 pattern[i] == ‘I’ ,那么 num[i] < num[i + 1] 。
如果 pattern[i] == ‘D’ ,那么 num[i] > num[i + 1] 。
请你返回满足上述条件字典序 最小 的字符串 num。
示例 1:
输入:pattern = “IIIDIDDD”
输出:“123549876”
解释:
下标 0 ,1 ,2 和 4 处,我们需要使 num[i] < num[i+1] 。
下标 3 ,5 ,6 和 7 处,我们需要使 num[i] > num[i+1] 。
一些可能的 num 的值为 “245639871” ,“135749862” 和 “123849765” 。
“123549876” 是满足条件最小的数字。
注意,“123414321” 不是可行解因为数字 ‘1’ 使用次数超过 1 次。
这道题的贪心解法就不说了,毕竟贪心没有太多学习的价值。这道题的字符串可以看成一张图!
借助拓扑排序解决本问题:
①如果arr[x] 和arr[x+1] 的关系为’I’,构建一条有向边将序号为 x + 1的节点接在序号为 x 的节点后;
②如果arr[x] 和 arr[x+1] 的关系为’D’,构建一条有向边将序号为 x 的节点接在序号为 x + 1 的节点后。
这样一来,整个串的数字大小关系就可以借助这幅图表达了,沿着有向边走数字逐渐递增。我们考虑采用堆 + 队列的组合,拓扑排序后每次从队列中弹出的数字都是入度为 0 且未赋值数字中下标最小的,按照顺序赋值从 1 开始赋值就可以得到最小的数字。
class Solution:
def smallestNumber(self, pattern: str) -> str:
n = len(pattern)
ans = ["" for _ in range(n + 1)]
inDegree = [0 for _ in range(n + 1)]
g = defaultdict(list)
for idx, val in enumerate(pattern):
if val == "I":
g[idx].append(idx + 1)
inDegree[idx + 1] += 1
elif val == "D":
g[idx + 1].append(idx)
inDegree[idx] += 1
queue = []
for i in range(n + 1):
if inDegree[i] == 0:
heapq.heappush(queue, i)
count = 1
while queue:
node = heapq.heappop(queue)
ans[node] = str(count)
count += 1
edges = g[node]
for edge in edges:
inDegree[edge] -= 1
if inDegree[edge] == 0:
heapq.heappush(queue, edge)
return "".join(ans)
这里再说几个点:
①拓扑排序如何选择结点进队?——遍历刚才出队结点的边的入度,(因为都要 -1),如果入度减到0了,该节点入队。而不是遍历所有结点!