文心一言 VS 讯飞星火 VS chatgpt （324）-- 算法导论22.4 5题

五、在有向无环图上执行拓扑排序还有一种办法，就是重复寻找入度为 0 的结点，输出该结点，将该结点及从其发出的边从图中删除。请解释如何在的时间内实现这种思想。如果图包含环路，将会发生什么情况？如果要写代码，请用go语言。

文心一言：

实现拓扑排序的 时间复杂度方法

在 时间内实现拓扑排序，我们可以使用两个主要的数据结构：一个队列来存储入度为 0 的节点，以及一个数组（或哈希表）来记录每个节点的入度。以下是使用 Go 语言实现的步骤和代码示例。

步骤

1. 初始化：创建一个队列用于存放入度为 0 的节点，一个数组 inDegree 记录每个节点的入度，一个数组 visited 记录节点是否已被访问（可选，用于检测图中是否存在环）。
2. 计算入度：遍历所有边，对于每条边 (u, v)，将 v 的入度加一。
3. 入队：将所有入度为 0 的节点加入队列。
4. 拓扑排序：当队列非空时，执行以下操作：

• 从队列中取出一个节点 node。
• 输出该节点（或将其添加到结果列表中）。
• 遍历该节点的所有邻接节点，将它们的入度减一。
• 如果某个邻接节点的入度变为 0，则将其加入队列。

5. 检查环：如果最终输出的节点数少于图中的节点总数，则图中存在环。

Go 代码实现

登录后复制

package main

import (
    "container/list"
    "fmt"
)

func topologicalSort(graph map[int][]int) ([]int, bool) {
    n := len(graph)
    inDegree := make([]int, n)
    queue := list.New()
    visited := make([]bool, n)
    result := make([]int, 0, n)

    // 计算每个节点的入度
    for u := range graph {
        for _, v := range graph[u] {
            inDegree[v]++
        }
    }

    // 将所有入度为0的节点加入队列
    for i, deg := range inDegree {
        if deg == 0 {
            queue.PushBack(i)
        }
    }

    // 拓扑排序
    for queue.Len() > 0 {
        front := queue.Remove(queue.Front()).(int)
        result = append(result, front)
        visited[front] = true

        for _, v := range graph[front] {
            inDegree[v]--
            if inDegree[v] == 0 && !visited[v] {
                queue.PushBack(v)
            }
        }
    }

    // 检查是否所有节点都被访问过
    if len(result) != n {
        return nil, false // 存在环
    }

    return result, true
}

func main() {
    graph := map[int][]int{
        0: []int{1, 2},
        1: []int{3},
        2: []int{3},
        3: []int{},
    }

    order, ok := topologicalSort(graph)
    if ok {
        fmt.Println("Topological Order:", order)
    } else {
        fmt.Println("Graph has a cycle.")
    }
}

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.
• 46.
• 47.
• 48.
• 49.
• 50.
• 51.
• 52.
• 53.
• 54.
• 55.
• 56.
• 57.
• 58.
• 59.
• 60.
• 61.
• 62.
• 63.
• 64.
• 65.

如果图 包含环路

如果图 包含环路，则至少有一个节点的入度永远不会变为 0（因为它依赖于环中的其他节点），这意味着队列最终会为空，但结果列表中的节点数将少于图中的节点总数。因此，在上面的代码中，如果 len(result) != n，则表明图中存在环。

讯飞星火：

拓扑排序的基本思想是，每次从图中选择一个入度为0的节点，然后删除该节点及其相关的边。重复这个过程直到所有节点都被选择。如果图中存在环，那么无法进行拓扑排序，因为环意味着有些节点永远不可能成为入度为0的节点。

以下是使用Go语言实现拓扑排序的方法：

登录后复制

package main

import (
	"fmt"
)

type Graph struct {
	vertices int
	adjList  [][]int
}

func NewGraph(v int) *Graph {
	return &Graph{
		vertices: v,
		adjList:  make([][]int, v),
	}
}

func (g *Graph) AddEdge(u, v int) {
	g.adjList[u] = append(g.adjList[u], v)
}

func (g *Graph) TopologicalSort() ([]int, error) {
	inDegree := make([]int, g.vertices)
	for i := 0; i < g.vertices; i++ {
		for _, j := range g.adjList[i] {
			inDegree[j]++
		}
	}

	var queue []int
	for i, d := range inDegree {
		if d == 0 {
			queue = append(queue, i)
		}
	}

	var result []int
	for len(queue) > 0 {
		u := queue[0]
		queue = queue[1:]
		result = append(result, u)

		for _, v := range g.adjList[u] {
			inDegree[v]--
			if inDegree[v] == 0 {
				queue = append(queue, v)
			}
		}
	}

	if len(result) != g.vertices {
		return nil, fmt.Errorf("图包含环")
	}

	return result, nil
}

func main() {
	g := NewGraph(6)
	g.AddEdge(5, 2)
	g.AddEdge(5, 0)
	g.AddEdge(4, 0)
	g.AddEdge(4, 1)
	g.AddEdge(2, 3)
	g.AddEdge(3, 1)

	result, err := g.TopologicalSort()
	if err != nil {
		fmt.Println(err)
	} else {
		fmt.Println("拓扑排序结果：", result)
	}
}

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.
• 46.
• 47.
• 48.
• 49.
• 50.
• 51.
• 52.
• 53.
• 54.
• 55.
• 56.
• 57.
• 58.
• 59.
• 60.
• 61.
• 62.
• 63.
• 64.
• 65.
• 66.
• 67.
• 68.
• 69.
• 70.
• 71.
• 72.
• 73.
• 74.

这段代码首先计算每个节点的入度，然后将入度为0的节点加入队列。接着，它不断地从队列中取出一个节点，将其添加到结果列表中，并减少其相邻节点的入度。如果某个节点的入度变为0，则将其加入队列。最后，如果结果列表中的节点数量不等于图中的节点数量，说明图中存在环，返回错误。否则，返回拓扑排序的结果。

360智脑：

算法解释

拓扑排序是一种对有向无环图（DAG）的顶点进行线性排序的方法，使得对于每条边，顶点都在顶点之前。以下是在时间内实现拓扑排序的步骤：

1. 初始化：计算每个顶点的入度，并将所有入度为0的顶点放入一个队列中。
2. 处理队列：

• 从队列中取出一个顶点。
• 输出顶点。
• 对于从出发的每条边，将的入度减1。如果的入度变为0，将其加入队列。

3. 重复步骤2，直到队列为空。

时间复杂度分析

• 初始化：需要遍历所有的边来计算每个顶点的入度，时间复杂度为。
• 处理队列：每次从队列中取出一个顶点并处理其出边，最坏情况下需要处理所有的顶点和边，因此时间复杂度为。

总的时间复杂度为。

环路检测

如果在有向图中存在环路，那么在执行上述拓扑排序的过程中，会出现某个顶点的入度永远不会变为0的情况，因为环中的顶点互相指向对方。在这种情况下，队列最终会变空，但仍然存在入度不为0的顶点，这时可以判定图中存在环路。

Go语言代码示例

登录后复制

package main

import "fmt"

type Graph struct {
	vertices int
	edges    [][]int
	inDegree []int
}

func NewGraph(vertices int) *Graph {
	return &Graph{
		vertices: vertices,
		edges:    make([][]int, vertices),
		inDegree: make([]int, vertices),
	}
}

func (g *Graph) AddEdge(u, v int) {
	g.edges[u] = append(g.edges[u], v)
	g.inDegree[v]++
}

func (g *Graph) TopologicalSort() ([]int, bool) {
	queue := []int{}
	for i := 0; i < g.vertices; i++ {
		if g.inDegree[i] == 0 {
			queue = append(queue, i)
		}
	}

	result := []int{}
	for len(queue) > 0 {
		u := queue[0]
		queue = queue[1:]
		result = append(result, u)
		for _, v := range g.edges[u] {
			g.inDegree[v]--
			if g.inDegree[v] == 0 {
				queue = append(queue, v)
			}
		}
	}

	// Check for cycle
	for _, degree := range g.inDegree {
		if degree != 0 {
			return nil, false
		}
	}

	return result, true
}

func main() {
	g := NewGraph(6)
	g.AddEdge(5, 2)
	g.AddEdge(5, 0)
	g.AddEdge(4, 0)
	g.AddEdge(4, 1)
	g.AddEdge(2, 3)
	g.AddEdge(3, 1)

	sortedVertices, ok := g.TopologicalSort()
	if ok {
		fmt.Println("Topological Sort:", sortedVertices)
	} else {
		fmt.Println("The graph contains a cycle.")
	}
}

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.
• 46.
• 47.
• 48.
• 49.
• 50.
• 51.
• 52.
• 53.
• 54.
• 55.
• 56.
• 57.
• 58.
• 59.
• 60.
• 61.
• 62.
• 63.
• 64.
• 65.
• 66.
• 67.
• 68.
• 69.
• 70.

在这个Go语言代码示例中，我们首先定义了一个Graph结构体来表示图，包括顶点数、邻接表和每个顶点的入度。然后实现了添加边的函数AddEdge和拓扑排序的函数TopologicalSort。在TopologicalSort函数中，我们使用了一个队列来存储入度为0的顶点，并在每次处理完一个顶点后更新其邻居的入度。最后，我们在主函数中创建了一个图，并调用了TopologicalSort函数来进行拓扑排序。如果图中存在环路，则返回false。

智谱清言：

在O(V+E)的时间内实现这种拓扑排序的方法，可以采用以下步骤：

1. 初始化一个队列（或者使用列表），将所有入度为0的顶点加入队列。
2. 当队列不为空时，从队列中取出一个顶点，输出该顶点，然后遍历所有从该顶点出发的边，将每条边的终点顶点的入度减1。如果某个终点顶点的入度减为0，则将其加入队列。
3. 重复步骤2，直到队列为空。 下面是具体的步骤和对应的时间复杂度分析：

• 初始化队列：需要遍历所有顶点，检查每个顶点的入度，时间复杂度为O(V)。
• 处理队列中的每个顶点：每个顶点至多只会被加入队列一次，并且每次都会从队列中移除，所以对于每个顶点，我们都会遍历其所有出边，时间复杂度为O(E)，因为每条边都会被处理一次。 因此，总的时间复杂度为O(V+E)。 如果图G包含环路，那么不可能所有顶点的入度都能减到0，因为环路上的每个顶点都会有一个入边和一个出边，所以至少会有一个顶点的入度始终不为0，这样队列最终会变为空，而图中仍然有未被处理的顶点，拓扑排序无法完成。 以下是使用Go语言实现上述拓扑排序算法的代码：

登录后复制

package main
import (
	"fmt"
)
// Graph represents a directed graph using adjacency list
type Graph struct {
	Vertices int
	AdjList  map[int][]int
	InDegree map[int]int
}
// AddEdge adds an edge to the graph
func (g *Graph) AddEdge(src, dest int) {
	g.AdjList[src] = append(g.AdjList[src], dest)
	g.InDegree[dest]++
}
// TopologicalSort performs topological sort on the graph
func (g *Graph) TopologicalSort() ([]int, error) {
	var sorted []int
	var queue []int
	// Initialize the queue with all vertices with in-degree 0
	for vertex, degree := range g.InDegree {
		if degree == 0 {
			queue = append(queue, vertex)
		}
	}
	// Process the queue
	for len(queue) > 0 {
		vertex := queue[0]
		queue = queue[1:] // Dequeue
		sorted = append(sorted, vertex)
		// Decrease in-degree by 1 for all adjacent vertices
		for _, adjacent := range g.AdjList[vertex] {
			g.InDegree[adjacent]--
			if g.InDegree[adjacent] == 0 {
				queue = append(queue, adjacent)
			}
		}
	}
	// Check if topological sort is possible (i.e., graph has no cycle)
	if len(sorted) != g.Vertices {
		return nil, fmt.Errorf("graph has at least one cycle")
	}
	return sorted, nil
}
func main() {
	g := Graph{
		Vertices: 6,
		AdjList:  make(map[int][]int),
		InDegree: make(map[int]int),
	}
	// Initialize in-degree of all vertices to 0
	for i := 0; i < g.Vertices; i++ {
		g.InDegree[i] = 0
	}
	// Add edges to the graph
	g.AddEdge(5, 2)
	g.AddEdge(5, 0)
	g.AddEdge(4, 0)
	g.AddEdge(4, 1)
	g.AddEdge(2, 3)
	g.AddEdge(3, 1)
	// Perform topological sort
	sorted, err := g.TopologicalSort()
	if err != nil {
		fmt.Println(err)
	} else {
		fmt.Println("Topological Sort:", sorted)
	}
}

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.
• 46.
• 47.
• 48.
• 49.
• 50.
• 51.
• 52.
• 53.
• 54.
• 55.
• 56.
• 57.
• 58.
• 59.
• 60.
• 61.
• 62.
• 63.
• 64.
• 65.
• 66.
• 67.
• 68.
• 69.

请注意，上面的代码假定顶点是从0到Vertices-1编号的。如果图中有环路，TopologicalSort函数会返回一个错误。

天工：

如何在 O(V+E) 时间内实现拓扑排序

在有向无环图（DAG）上执行拓扑排序时，可以采用以下算法：

1. 初始化：遍历所有顶点，统计每个顶点的入度（即指向该顶点的边的数量）。这可以通过遍历所有的边来完成，时间复杂度为 O(E)。
2. 队列操作：创建一个队列，将所有入度为 0 的顶点加入队列中。这一步可以在初始化入度的同时完成。
3. 迭代：从队列中取出一个顶点，输出它，并从图中移除该顶点和以它为起点的所有边。然后检查所有与该顶点相连的顶点（即该顶点指向的顶点），更新它们的入度（减少1），如果某个顶点的入度变为 0，则将它加入队列中。重复这个过程，直到队列为空。

• 这个过程的复杂度为 O(V+E)，因为每个顶点和边最多只被处理一次。

4. 检查排序结果：如果排序过程中所有顶点都被输出，则排序成功；如果队列提前变空，但仍有顶点未被输出，说明图中存在环，拓扑排序无法完成。

如果图 G 包含环路，将会发生什么情况

如果图 G 包含环路，则拓扑排序将无法完成。在算法的迭代过程中，当所有入度为 0 的顶点都被处理后，如果图中还存在未被处理的顶点，那么这些顶点必定属于环中的一部分，它们的入度永远不会变为 0，因此无法被加入队列，导致算法提前终止，且不是所有顶点都被输出。

使用 Go 语言实现

下面是一个使用 Go 语言实现拓扑排序的示例代码。假设图使用邻接表表示，其中 graph 是一个 map，键是顶点，值是一个 slice，表示从该顶点出发的边所指向的顶点。

登录后复制

package main

import (
	"fmt"
)

type Graph map[int][]int

func TopologicalSort(graph Graph) []int {
	indegree := make(map[int]int)
	for node, _ := range graph {
		indegree[node] = 0 // 初始化入度
	}
	for _, nodes := range graph {
		for _, node := range nodes {
			indegree[node]++ // 统计入度
		}
	}

	queue := []int{}
	for node, d := range indegree {
		if d == 0 {
			queue = append(queue, node) // 入度为0的节点加入队列
		}
	}

	result := []int{}
	for len(queue) > 0 {
		node := queue[0]
		queue = queue[1:]
		result = append(result, node)

		for _, neighbor := range graph[node] {
			indegree[neighbor]--
			if indegree[neighbor] == 0 {
				queue = append(queue, neighbor)
			}
		}
	}

	if len(result) != len(graph) {
		// 图中存在环，无法完成拓扑排序
		return nil
	}
	return result
}

func main() {
	graph := Graph{
		0: []int{1, 2},
		1: []int{3},
		2: []int{3},
		3: []int{},
	}
	result := TopologicalSort(graph)
	fmt.Println(result)
}

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.
• 46.
• 47.
• 48.
• 49.
• 50.
• 51.
• 52.
• 53.
• 54.
• 55.
• 56.
• 57.

这段代码首先计算每个节点的入度，然后将所有入度为 0 的节点加入队列。在主循环中，它从队列中取出顶点，更新入度，并将入度变为 0 的顶点加入队列。最后，如果所有顶点都被处理，则返回排序结果；否则，返回 nil，表示图中存在环路。

chatgpt：

在有向无环图上执行拓扑排序的思想是通过不断寻找入度为0的节点，将其输出并从图中删除。这种方法可以在O(V+E)的时间复杂度内实现。

具体实现步骤如下：

1. 创建一个队列来存储入度为0的节点。
2. 初始化所有节点的入度为0，并统计每个节点的入度。
3. 将所有入度为0的节点加入队列。
4. 循环执行以下步骤，直到队列为空： a. 从队列中取出一个节点，输出该节点。 b. 遍历该节点所指向的所有邻居节点，并将它们的入度减1。 c. 如果某个邻居节点的入度变为0，则将其加入队列。
5. 如果输出的节点数量等于图中的总节点数，则说明成功完成了拓扑排序；否则，图中存在环路。

如果图G包含环路，则在进行拓扑排序时会发生问题。由于环路导致存在至少一个循环依赖关系，在删除某些边之后，其他结点可能再次形成新的环路。因此，在检测到环路时，拓扑排序无法继续进行，并且输出结果将不完整。

以下是使用Go语言实现上述算法的代码示例：

登录后复制

package main

import "fmt"

func topologicalSort(graph map[int][]int) []int {
	inDegree := make(map[int]int)
	for _, nodes := range graph {
		for _, node := range nodes {
			inDegree[node]++
		}
	}

	queue := make([]int, 0)
	for node, degree := range inDegree {
		if degree == 0 {
			queue = append(queue, node)
		}
	}

	result := make([]int, 0)
	for len(queue) > 0 {
		currNode := queue[0]
		queue = queue[1:]
		result = append(result, currNode)

		for _, neighbor := range graph[currNode] {
			inDegree[neighbor]--
			if inDegree[neighbor] == 0 {
				queue = append(queue, neighbor)
			}
		}
	}

	if len(result) != len(graph) {
	  // 存在环路，拓扑排序无法完成
	  return nil
  }

	return result
}

func main() {
	graph := make(map[int][]int)
	graph[1] = []int{2, 3}
	graph[2] = []int{4}
	graph[3] = []int{4}
	graph[4] = []int{5}
	graph[5] = []int{}

	result := topologicalSort(graph)
	fmt.Println(result) // 输出：[1 2 3 4 5]
}

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.
• 46.
• 47.
• 48.
• 49.
• 50.
• 51.
• 52.

请注意，以上代码只是一个简单示例，实际应用中需要根据具体情况进行适当的改进和错误处理。

kimi：

拓扑排序是针对有向无环图（DAG）的一种排序算法，其目的是将图中的所有顶点排成一个线性序列，使得对于任何一条有向边 \( U \rightarrow V \)，顶点 \( U \) 都在顶点 \( V \) 的前面。这样的排序不是唯一的。

在有向无环图 \( G=(V,E) \) 上执行拓扑排序的一种方法是使用队列来实现。以下是实现这种思想的步骤：

1. 初始化：创建一个队列 Q 和一个数组 inDegree 来记录每个顶点的入度。
2. 计算入度：遍历所有边，对于每条边 \( U \rightarrow V \)，增加顶点 \( V \) 的入度。
3. 寻找入度为0的顶点：遍历所有顶点，将所有入度为0的顶点加入队列 Q。
4. 拓扑排序：当队列不为空时，执行以下操作：

• 从队列中移除一个顶点 \( V \)。
• 将 \( V \) 加入拓扑排序的结果数组 topo 中。
• 遍历所有从 \( V \) 发出的边，对于每条边 \( V \rightarrow U \)，减少顶点 \( U \) 的入度。如果 \( U \) 的入度变为0，则将其加入队列 Q。

5. 检查结果：如果拓扑排序的结果数组 topo 的长度等于顶点数 \( V \)，则排序成功；否则，图中存在环。

如果图 \( G \) 包含环路，拓扑排序将无法完成，因为总会有至少一个顶点的入度不为0，无法将其加入拓扑排序的结果数组中。

以下是使用 Go 语言实现拓扑排序的代码示例：

登录后复制

package main

import (
	"fmt"
)

func topologicalSort(numVertices int, edges [][]int) []int {
	// 初始化邻接表
	graph := make([][]int, numVertices)
	for _, edge := range edges {
		graph[edge[0]] = append(graph[edge[0]], edge[1])
	}

	// 计算每个顶点的入度
	inDegree := make([]int, numVertices)
	for _, edges := range graph {
		for _, to := range edges {
			inDegree[to]++
		}
	}

	// 寻找所有入度为0的顶点
	queue := make([]int, 0)
	for v := 0; v < numVertices; v++ {
		if inDegree[v] == 0 {
			queue = append(queue, v)
		}
	}

	// 拓扑排序
	topo := make([]int, 0)
	for len(queue) > 0 {
		v := queue[0]
		queue = queue[1:] // 从队列中移除顶点
		topo = append(topo, v) // 加入拓扑排序结果

		for _, to := range graph[v] {
			inDegree[to]-- // 减少入度
			if inDegree[to] == 0 {
				queue = append(queue, to)
			}
		}
	}

	if len(topo) == numVertices {
		return topo
	} else {
		fmt.Println("Graph has a cycle")
		return nil
	}
}

func main() {
	numVertices := 6
	edges := [][]int{
		{5, 2},
		{5, 0},
		{4, 0},
		{4, 1},
		{2, 3},
		{3, 1},
	}

	topoOrder := topologicalSort(numVertices, edges)
	if topoOrder != nil {
		fmt.Println("Topological Sort Order:", topoOrder)
	}
}

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.
• 46.
• 47.
• 48.
• 49.
• 50.
• 51.
• 52.
• 53.
• 54.
• 55.
• 56.
• 57.
• 58.
• 59.
• 60.
• 61.
• 62.
• 63.
• 64.
• 65.
• 66.
• 67.
• 68.

这段代码首先构建了图的邻接表，然后计算每个顶点的入度，并使用队列来实现拓扑排序。如果图中存在环，函数将输出提示信息并返回 nil。

混元：

拓扑排序的算法解释

拓扑排序是对有向无环图（DAG）的顶点进行排序，使得对于任何一条有向边 ，顶点 在排序中都出现在顶点 之前。拓扑排序的一种常见算法是通过重复寻找入度为 0 的顶点来实现。

算法步骤

1. 初始化一个队列，用于存储所有入度为 0 的顶点。
2. 将所有入度为 0 的顶点加入队列。
3. 当队列非空时，执行以下操作：

• 从队列中取出一个顶点 ，将其加入到拓扑排序的结果中。
• 遍历从顶点 出发的所有边 ，将顶点 的入度减 1。
• 如果顶点 的入度变为 0，则将其加入队列。

4. 重复步骤 3，直到队列为空。

时间复杂度分析

• 初始化队列：
• 每次从队列中取出一个顶点并更新相关顶点的入度：
• 总共需要进行 次（因为每个顶点只会被处理一次），所以总的时间复杂度是 。

图包含环路的情况

如果图 包含环路，那么在执行拓扑排序的过程中，将永远无法找到新的入度为 0 的顶点，因为环路中的顶点总是有入度大于 0 的顶点。这将导致算法无法终止，或者最终结果中包含重复的顶点。

Go 语言实现

下面是使用 Go 语言实现的拓扑排序算法：

登录后复制

package main

import (
	"fmt"
)

func topologicalSort(graph map[int][]int) []int {
	// 计算每个顶点的入度
	inDegree := make(map[int]int)
	for u := range graph {
		inDegree[u] = 0
	}
	for u, neighbors := range graph {
		for _, v := range neighbors {
			inDegree[v]++
		}
	}

	// 初始化队列，存储所有入度为 0 的顶点
	queue := []int{}
	for u, degree := range inDegree {
		if degree == 0 {
			queue = append(queue, u)
		}
	}

	// 拓扑排序的结果
	result := []int{}

	// 当队列非空时，执行拓扑排序
	for len(queue) > 0 {
		u := queue[0]
		queue = queue[1:]
		result = append(result, u)

		for _, v := range graph[u] {
			inDegree[v]--
			if inDegree[v] == 0 {
				queue = append(queue, v)
			}
		}
	}

	// 如果结果中的顶点数小于图中的顶点数，说明图中存在环路
	if len(result) < len(graph) {
		return nil // 图中存在环路，无法完成拓扑排序
	}

	return result
}

func main() {
	graph := map[int][]int{
		5: {2, 0},
		4: {0, 1},
		2: {3},
		3: {1},
		1: {},
		0: {},
	}

	result := topologicalSort(graph)
	if result == nil {
		fmt.Println("图中存在环路，无法完成拓扑排序")
	} else {
		fmt.Println("拓扑排序结果:", result)
	}
}

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.
• 46.
• 47.
• 48.
• 49.
• 50.
• 51.
• 52.
• 53.
• 54.
• 55.
• 56.
• 57.
• 58.
• 59.
• 60.
• 61.
• 62.
• 63.
• 64.
• 65.
• 66.
• 67.
• 68.

在这段代码中，我们首先计算每个顶点的入度，然后初始化一个队列来存储所有入度为 0 的顶点。接着，我们执行拓扑排序的循环，直到队列为空。如果最终的排序结果中的顶点数小于图中的顶点数，我们返回 nil 来表示图中存在环路。

原创作者: moonfdd 转载于: https://blog.51cto.com/moonfdd/11732551