leetcode-332. 重新安排行程

题目

给定一个机票的字符串二维数组 [from, to]，子数组中的两个成员分别表示飞机出发和降落的机场地点，对该行程进行重新规划排序。所有这些机票都属于一个从 JFK（肯尼迪国际机场）出发的先生，所以该行程必须从 JFK 开始。

说明:

如果存在多种有效的行程，你可以按字符自然排序返回最小的行程组合。例如，行程 ["JFK", "LGA"] 与 ["JFK", "LGB"] 相比就更小，排序更靠前
所有的机场都用三个大写字母表示（机场代码）。
假定所有机票至少存在一种合理的行程。

示例 1:

输入: [["MUC", "LHR"], ["JFK", "MUC"], ["SFO", "SJC"], ["LHR", "SFO"]]
输出: ["JFK", "MUC", "LHR", "SFO", "SJC"]

示例 2:

输入: [["JFK","SFO"],["JFK","ATL"],["SFO","ATL"],["ATL","JFK"],["ATL","SFO"]]
输出: ["JFK","ATL","JFK","SFO","ATL","SFO"]
解释: 另一种有效的行程是 ["JFK","SFO","ATL","JFK","ATL","SFO"]。但是它自然排序更大更靠后。

解题思路

题目意思实际上是求有向图中，遍历所有边的一种路径。看了题解才明白，实际上这是求半欧拉图中的欧拉通路的问题。

一些基本概念：

• 通过图中所有边恰好一次且行遍所有顶点的通路称为欧拉通路。
• 通过图中所有边恰好一次且行遍所有顶点的回路称为欧拉回路。
• 具有欧拉回路的无向图称为欧拉图。
• 具有欧拉通路但不具有欧拉回路的无向图称为半欧拉图。

Hierholzer 算法
这个算法可以用来寻找连通图中的欧拉路径，步骤如下：

1. 从起点出发，进行深度优先搜索。
2. 每次沿着某条边从某个顶点移动到另外一个顶点的时候，都需要删除这条边。
3. 如果没有可移动的路径，则将所在节点加入到栈中，并返回。

因为题目需要求出字典序最小的路径，所以在保存节点的邻居节点时，注意按照字典序逆序排列，然后访问邻居节点时用pop来访问

因为在取邻居节点时，每次都要取字典序最小的那个，所以也可以考虑用堆来保存邻居节点，这样可以更快一些

代码

栈版：

class Solution:
    def findItinerary(self, tickets: List[List[str]]) -> List[str]:
        graph = {}
        for source, target in tickets:
            if source not in graph:
                graph[source] = []
            graph[source].append(target)
        for key in graph:
            graph[key].sort(reverse = True)
        stack = []
        
        def dfs(spot: str) -> None:
            while spot in graph and graph[spot]:
                next_spot = graph[spot].pop()
                dfs(next_spot)
            stack.append(spot)
        
        dfs('JFK')
        return stack[::-1]

堆版：

class Solution:
    def findItinerary(self, tickets: List[List[str]]) -> List[str]:
        import heapq
        graph = {}
        for source, target in tickets:
            if source not in graph:
                graph[source] = []
            heapq.heappush(graph[source], target)
        stack = []
        
        def dfs(spot: str) -> None:
            while spot in graph and graph[spot]:
                next_spot = heapq.heappop(graph[spot])
                dfs(next_spot)
            stack.append(spot)
        
        dfs('JFK')
        return stack[::-1]