LeetCode题目（Python实现）：课程表

题目

你这个学期必须选修 numCourse 门课程，记为 0 到 numCourse-1 。

在选修某些课程之前需要一些先修课程。 例如，想要学习课程 0 ，你需要先完成课程 1 ，我们用一个匹配来表示他们：[0,1]

给定课程总量以及它们的先决条件，请你判断是否可能完成所有课程的学习？

示例1：

输入: 2, [[1,0]] 
输出: true
解释: 总共有 2 门课程。学习课程 1 之前，你需要完成课程 0。所以这是可能的。

示例2：

输入: 2, [[1,0],[0,1]]
输出: false
解释: 总共有 2 门课程。学习课程 1 之前，你需要先完成​课程 0；并且学习课程 0 之前，你还应先完成课程 1。这是不可能的。

提示：

1. 输入的先决条件是由 边缘列表 表示的图形，而不是 邻接矩阵 。边缘列表，即所有的边用[后置节点，前置节点]表示。详情请参见图的表示法。
2. 你可以假定输入的先决条件中没有重复的边。
3. $1<=numCourses<=10^5$

拓扑序列

先按照拓扑序列的想法自己设计了算法，虽然效率有点低。

算法实现

def canFinish(self, numCourses: int, prerequisites: List[List[int]]) -> bool:
    vCount = [0] * numCourses  # 每个节点的入度
    for lst in prerequisites:  # 统计所有节点的入度
        vCount[lst[0]] += 1
    while prerequisites:
        try:
            ind = vCount.index(0)  # 找到入度为0的点
        except:
            break  # 未找到入度为0的点就跳出
        else:
            vCount[ind] = -1  # 删掉该节点，用-1标识
            h = 0  # 修正位置的变量
            for lst in range(len(prerequisites)):  # 删掉边表中以该节点为起始的边
                if prerequisites[lst - h][1] == ind:
                    vCount[prerequisites[lst - h][0]] -= 1
                    del prerequisites[lst - h]
                    h += 1
    return not prerequisites  # 返回边表是否为空，不为空则有循环

执行结果

执行结果 : 通过
执行用时 : 464 ms, 在所有 Python3 提交中击败了9.80%的用户
内存消耗 : 14.4 MB, 在所有 Python3 提交中击败了33.33%的用户

方法一：入度表（广度优先遍历）

算法实现

def canFinish(self, numCourses: int, prerequisites: List[List[int]]) -> bool:
    indegrees = [0 for _ in range(numCourses)]   # 入度表
    adjacency = [[] for _ in range(numCourses)]  # 邻接表
    queue = deque()
    for cur, pre in prerequisites:
        indegrees[cur] += 1
        adjacency[pre].append(cur)
    # 将所有入度为0的节点入队
    for i in range(len(indegrees)):
        if not indegrees[i]:
            queue.append(i)
    # 广搜
    while queue:
        pre = queue.popleft()
        numCourses -= 1  # 出队次数
        for cur in adjacency[pre]:  # 删掉该节点为起始的边
            indegrees[cur] -= 1
            if not indegrees[cur]:  # 入度为0则入队
                queue.append(cur)
    return not numCourses

执行结果

复杂度分析

• 时间复杂度：$\mathcal{O}(N+M)$，遍历一个图需要访问所有节点和所有临边，$N$ 和 $M$ 分别为节点数量和临边数量；
• 空间复杂度：$\mathcal{O}(N+M)$，为建立邻接表所需额外空间，adjacency 长度为 $N$ ，并存储 $M$ 条临边的数据。