题目
题目描述
你这个学期必须选修 n u m C o u r s e s numCourses numCourses 门课程,记为 0 0 0 到 n u m C o u r s e s − 1 numCourses - 1 numCourses−1 。
在选修某些课程之前需要一些先修课程。 先修课程按数组 p r e r e q u i s i t e s prerequisites prerequisites 给出,其中 p r e r e q u i s i t e s [ i ] = [ a i , b i ] prerequisites[i] = [ai, bi] prerequisites[i]=[ai,bi] ,表示如果要学习课程 a i ai ai 则 必须 先学习课程 b i bi bi 。
例如,先修课程对 [ 0 , 1 ] [0, 1] [0,1] 表示:想要学习课程 0 0 0 ,你需要先完成课程 1 1 1 。
请你判断是否可能完成所有课程的学习?如果可以,返回 t r u e true true ;否则,返回 f a l s e false false 。
示例 1
输入: n u m C o u r s e s = 2 , p r e r e q u i s i t e s = [ [ 1 , 0 ] ] numCourses = 2, prerequisites = [[1,0]] numCourses=2,prerequisites=[[1,0]]
输出: t r u e true 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 。这是可能的。
示例 2
输入: n u m C o u r s e s = 2 , p r e r e q u i s i t e s = [ [ 1 , 0 ] , [ 0 , 1 ] ] numCourses = 2, prerequisites = [[1,0],[0,1]] numCourses=2,prerequisites=[[1,0],[0,1]]
输出: f a l s e false 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 ≤ n u m C o u r s e s ≤ 2000 1 \leq numCourses \leq 2000 1≤numCourses≤2000
- 0 ≤ p r e r e q u i s i t e s . l e n g t h ≤ 5000 0 \leq prerequisites.length \leq 5000 0≤prerequisites.length≤5000
- p r e r e q u i s i t e s [ i ] . l e n g t h = 2 prerequisites[i].length = 2 prerequisites[i].length=2
- 0 ≤ a i , b i < n u m C o u r s e s 0 \leq ai, bi < numCourses 0≤ai,bi<numCourses
- p r e r e q u i s i t e s [ i ] prerequisites[i] prerequisites[i] 中的所有课程对 互不相同
思路
用有向图数据结构来表示,如 [ 0 , 1 ] [0,1] [0,1] 可用下面有向图来表示
表示需先选课程 1 再选课程 0
当图有环时,说明选修不了所有课程,如 [ [ 1 , 0 ] , [ 0 , 1 ] ] [[1,0],[0,1]] [[1,0],[0,1]]
因此题目变成了判断有向图是否有环
而拓扑排序就是判断有向图是否有环的算法,算法如下
1: 将所有入度为 0 0 0 的顶点入栈 s t a c k stack stack
2: 当 s t a c k stack stack 不为空时
2-1: 出栈栈顶元素 v e r t e x vertex vertex
2-2: 将顶点 v e r t e x vertex vertex 标记为已访问
2-3: 若所有顶点已访问,则返回 t r u e true true
2-4: 将顶点 v e r t e x vertex vertex 删除,重新计算所有顶点的入度,将所有入度为 0 0 0 的顶点入栈 s t a c k stack stack
3: 若所有顶点都未访问,则返回 f a l s e false false
代码实现
from typing import List
class AdjacencyListGraph:
def __init__(self, num_vertex, prerequisites: List[List[int]]) -> None:
self.num_vertex = num_vertex # 顶点数
self.graph = [[] for _ in range(num_vertex)] # 邻接表
self.in_degree = [0] * num_vertex # 每个顶点的入度
# 构建邻接表
for edge in prerequisites:
self.graph[edge[1]].append(edge[0])
self.in_degree[edge[0]] += 1
def topologicalSort(self):
in_degree = self.in_degree.copy() # 入度拷贝
visited = [0] * self.num_vertex # 记录每个顶点是否被访问过
stack = [i for i in range(self.num_vertex) if in_degree[i] == 0] # 入度为0的顶点入栈
# 拓扑排序
while len(stack) > 0:
vertex = stack.pop()
visited[vertex] = 1
if sum(visited) == self.num_vertex:
return True
for v in self.graph[vertex]:
in_degree[v] -= 1
if in_degree[v] == 0:
stack.append(v)
return False
class Solution:
def canFinish(self, numCourses: int, prerequisites: List[List[int]]) -> bool:
graph = AdjacencyListGraph(numCourses, prerequisites)
return graph.topologicalSort()