拓扑排序和BFS的区别

2 篇文章 0 订阅
2 篇文章 0 订阅

拓扑排序和BFS

1. 拓扑排序
2. 拓扑序列和BFS的区别:

只有在有向图才有拓扑序,无向图中是没有拓扑序列的。在图中,只要有环,就不存在拓扑序。可证明,一个有向无环图一定存在一个拓扑序列,也称有向无环图为拓扑图。
拓扑序列是图的有向图中的一个宽度优先遍历的应用。
在题目中遇到dfs+bfs的遍历可以用dfs+bfs来写如:P5318 【深基18.例3】查找文献
下面这个可以ac,但是发现如果将用bfs的遍历换成用拓扑排序就不能实现。

#include <vector>
#include <queue>
#include <cstdio>
#include <algorithm>
#include <string.h>
using namespace std;
const int N=100010;
int n,m;
int ans;
int in[N];
vector <int >v[N];
int print[N],visit[N];
void dfs(int x)
{
    visit[x]=1;
    printf("%d ",x);

    for(int i=0; i<v[x].size(); i++)
    {
        int xx=v[x][i];
        if(visit[xx]==0)
            dfs(xx);}
    }
void bfs(int x)
{
    memset(visit,0,sizeof(visit));
    queue<int > q;
    q.push(x);
    visit[x]=1;
    while(!q.empty())
    {
        int xx=q.front();
        printf("%d ",xx);q.pop();
        for(int i=0; i<v[xx].size(); i++)
        {
            int yy=v[xx][i];
            if(visit[yy]==0)
            {
                q.push(yy);
                visit[yy]=1;
                }
        }
    }
}

int main()
{
   scanf("%d%d",&n,&m);
    while(m--)
    {
        int x,y;
        scanf("%d%d",&x,&y);
        v[x].push_back(y);
        in[y]++;

    }
    for(int i=1; i<=n; i++)
    {

        sort(v[i].begin(),v[i].end());

    }
     dfs(1);
    printf("\n");
    bfs(1);}


看上面这个图好像是感觉用拓扑排序也能过实现,因为题目是说从1开始,我们直接将入度为0的入队,然后将队列顶点的出边给删掉,也就是 1->2,1->3,1->4这三条边可以被删除,然后2 ,3,4也都可以入队,依次再删除它的出边,5,6,7入队,再将8入队,这样看似好像没问题,但实际上用拓扑排序就会被其他数据给卡掉。例如我将bfs的部分改用拓扑排序就只能过第一个点。

void tuopu(int x)
{
    memset(visit,0,sizeof(visit));
    queue<int > q;
    q.push(x);
    visit[x]=1;
    while(!q.empty())
    {
        int xx=q.front();
        printf("%d ",xx);
        q.pop();
        for(int i=0; i<v[xx].size(); i++)
        {
            int yy=v[xx][i];
            in[yy]--;
            if(in[yy]==0&&visit[yy]==0)
            {
                q.push(yy);
                visit[yy]=1;

            }
        }
    }
}

这样就只能过样例,但不能AC。我感觉很疑惑,但最后我发现:
BFS和拓扑序列的区别:
BFS:只需要与其它点与之相邻(并且没有访问过)就能够入队,而拓扑排序却需要与之相邻的点入度为0(并且没有访问过)才可以入队。
例如:这种情况,就不会被影响。BFS和拓扑排序的队列的数据都是一样的。
在这里插入图片描述
可以看到创建邻接表后进行排序,对BFS和拓扑序列的队列数据没有影响都是一样的。因为在这里vector中排序后从小到大对BFS入队这里没有问题,根据图的拓扑序列也是没有问题,首先将1号顶点入队,1号顶点有两条出边,将这两条出边删除后,因为是排序过后所以先将2号顶点入队再将3号顶点入队。这里就和BFS一致了。
但是将图中2号顶点和3号顶点的位置变换后就会发生错误:
在这里插入图片描述
可以看到图,首先将1号顶点入队,将1号顶点的两条出边删除后,3号顶点的入度首先变成0,但是2号顶点的入度还是1,所以在这里就先将3号顶点入队了,之后再将2号顶点入队。但BFS队列还是根据升序1 ,2, 3这样入队的。所以在这里就出现了偏差,也就是为什么用BFS可以过,但用拓扑序列却不行的原因。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,你的要求已经记录下来了。让我来解答你的问题。 在 gsearch.py 中实现 DFS、BFS、基于 BFS 的最短路径和拓扑排序算法的方法如下: 1. DFS(深度优先搜索): DFS 通过深度优先的方式搜索图形结构。在图形结构中,DFS 沿着一个路径尽可能深入地搜索,直到找到目标节点为止,然后回溯到前一个节点,继续搜索其他路径。 以下是实现 DFS 算法的 Python 代码: ``` def dfs(graph, start, visited=None): if visited is None: visited = set() visited.add(start) for next in graph[start] - visited: dfs(graph, next, visited) return visited ``` 2. BFS(广度优先搜索): BFS 通过广度优先的方式搜索图形结构。在图形结构中,BFS 从起点开始,沿着所有的路径分别搜索一层,然后继续向下搜索下一层,直到找到目标节点为止。 以下是实现 BFS 算法的 Python 代码: ``` def bfs(graph, start): visited, queue = set(), [start] while queue: vertex = queue.pop(0) if vertex not in visited: visited.add(vertex) queue.extend(graph[vertex] - visited) return visited ``` 3. 基于 BFS 的最短路径算法: 基于 BFS 的最短路径算法可以用于在无权图中查找最短路径。算法从起点开始,通过 BFS 搜索图形结构,记录每个节点到起点的距离,并在找到目标节点时返回路径。 以下是实现基于 BFS 的最短路径算法的 Python 代码: ``` from collections import deque def shortest_path(graph, start, end): queue = deque([(start, [start])]) while queue: vertex, path = queue.popleft() for next in graph[vertex] - set(path): if next == end: return path + [next] else: queue.append((next, path + [next])) ``` 4. 拓扑排序算法: 拓扑排序算法用于有向无环图(DAG)中的节点排序。算法从 DAG 中选择一个没有前驱节点的节点,并将其输出。然后将该节点从 DAG 中删除,并更新其余节点的前驱节点。重复此过程,直到所有节点都被输出为止。 以下是实现拓扑排序算法的 Python 代码: ``` def topological_sort(graph): in_degree = {vertex: 0 for vertex in graph} for vertex in graph: for neighbor in graph[vertex]: in_degree[neighbor] += 1 queue = deque([vertex for vertex in in_degree if in_degree[vertex] == 0]) result = [] while queue: vertex = queue.popleft() result.append(vertex) for neighbor in graph[vertex]: in_degree[neighbor] -= 1 if in_degree[neighbor] == 0: queue.append(neighbor) return result ``` 希望这些代码可以帮助你实现 gsearch.py 中的算法。如果你有任何问题,请随时问我。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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