python 拓扑排序 dfs bfs_拓扑排序算法

一、拓扑排序的概念

一个较大的工程往往被划分成许多子工程,我们把这些子工程称作活动(activity)。在整个工程中,有些子工程(活动)必须在其它有关子工程完成之后才能开始,也就是说,一个子工程的开始是以它的所有前序子工程的结束为先决条件的,但有些子工程没有先决条件,可以安排在任何时间开始。为了形象地反映出整个工程中各个子工程(活动)之间的先后关系,可用一个有向图来表示,图中的顶点代表活动(子工程),图中的有向边代表活动的先后关系,即有向边的起点的活动是终点活动的前序活动,只有当起点活动完成之后,其终点活动才能进行。通常,我们把这种顶点表示活动、边表示活动间先后关系的有向图称做顶点活动网(Activity On Vertex network),简称AOV网。

在AOV网中,若不存在回路,则所有活动可排列成一个线性序列,使得每个活动的所有前驱活动都排在该活动的前面,我们把此序列叫做拓扑序列(Topological order),由AOV网构造拓扑序列的过程叫做拓扑排序(Topological sort)。AOV网的拓扑序列不是唯一的,满足上述定义的任一线性序列都称作它的拓扑序列。

二、拓扑排序算法举例

现在你总共有 n 门课需要选,记为 0 到 n-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,返回你为了学完所有课程所安排的学习顺序。

可能会有多个正确的顺序,你只要返回一种就可以了。如果不可能完成所有课程,返回一个空数组。

示例 1:

输入: 2, [[1,0]]

输出: [0,1]

解释: 总共有 2 门课程。要学习课程 1,你需要先完成课程 0。因此,正确的课程顺序为 [0,1] 。

示例 2:

输入: 4, [[1,0],[2,0],[3,1],[3,2]]

输出: [0,1,2,3] or [0,2,1,3]

解释: 总共有 4 门课程。要学习课程 3,你应该先完成课程 1 和课程 2。并且课程 1 和课程 2 都应该排在课程 0 之后。

因此,一个正确的课程顺序是 [0,1,2,3] 。另一个正确的排序是 [0,2,1,3] 。

说明:

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。详情请参见图的表示法。

你可以假定输入的先决条件中没有重复的边。

提示:

这个问题相当于查找一个循环是否存在于有向图中。如果存在循环,则不存在拓扑排序,因此不可能选取所有课程进行学习。

通过 DFS 进行拓扑排序 - 一个关于Coursera的精彩视频教程(21分钟),介绍拓扑排序的基本概念。

拓扑排序也可以通过 BFS 完成。

此方法利用了拓扑序列。课程有前后顺序关系,通过先构建一个入度表,然后将入度为0的节点关联的边及自身删除,再找入度为0的节点,以此类推,如果没有入度为0了,但是还是有课程没修完,则表示课程无法按顺序修完,否则可以修完。

class Solution {

public int[] findOrder(int numCourses, int[][] prerequisites) {

// 返回结果数组和计数 int[] res = new int[numCourses];

int ii = 0;

// 构造入度数组 int[] degree = new int[numCourses];

for (int[] pre : prerequisites){

degree[pre[0]]++;

}

LinkedList queue = new java.util.LinkedList<>();

// 将入度为0的加入队列 for (int i=0; i

if (degree[i]==0){

queue.add(i);

}

}

// 队列中始终加入入度为0的,只要不空就继续 while (!queue.isEmpty()){

Integer head = queue.removeFirst();

res[ii++]= head;

numCourses--;

// 将关联边的入度减去1,减去后如果入度为0,则再加入队列 for (int[] pre : prerequisites){

if (pre[1] == head){

degree[pre[0]]--;

if (degree[pre[0]]==0){

queue.add(pre[0]);

}

}

}

}

// 全部减完表示找到了结果 if (numCourses==0) return res;

return new int[0];

}

}

三、拓扑排序算法基本思路

有前后顺序关系的图,则可以考虑拓扑排序算法来做。

四、拓扑排序算法

public int[] func(int numCourses, int[][] prerequisites) {

degree = createDegreeArray(); // 构造入度数组

queue = createQueue(); // 创造队列

for (int i=0; i < degree.length; i++){ // 将入度为0的加入队列

if (degree[i]==0){

queue.add(i);

}

}

while (!queue.isEmpty()){ // 队列中始终加入入度为0的,只要不空就继续

Integer head = queue.removeFirst();

for (int[] pre : prerequisites){ // 将关联边的入度减去1,减去后如果入度为0,则再加入队列

if (pre[1] == head){

degree[pre[0]]--;

if (degree[pre[0]]==0){

queue.add(pre[0]);

}

}

}

}

return;

}

如有错误,请更正指出,谢谢!

拓扑排序是一种对有向无环图(DAG)进行排序的算法。在Python中,可以使用深度优先搜索(DFS)或广度优先搜索(BFS)来实现拓扑排序。 以下是使用深度优先搜索(DFS算法实现拓扑排序的示例代码: ```python from collections import defaultdict # 定义有向图的类 class Graph: def __init__(self, num_vertices): self.graph = defaultdict(list) # 使用字典存储图的邻接表 self.num_vertices = num_vertices def add_edge(self, u, v): self.graph[u].append(v) # 深度优先搜索函数 def dfs(self, v, visited, stack): visited[v] = True for neighbor in self.graph[v]: if not visited[neighbor]: self.dfs(neighbor, visited, stack) stack.append(v) # 拓扑排序函数 def topological_sort(self): visited = [False] * self.num_vertices stack = [] for vertex in range(self.num_vertices): if not visited[vertex]: self.dfs(vertex, visited, stack) return stack[::-1] # 返回逆序的结果 # 测试示例 g = Graph(6) g.add_edge(5, 2) g.add_edge(5, 0) g.add_edge(4, 0) g.add_edge(4, 1) g.add_edge(2, 3) g.add_edge(3, 1) result = g.topological_sort() print("拓扑排序结果:", result) ``` 这段代码首先定义了一个有向图的类 `Graph`,其中包含了添加边、深度优先搜索和拓扑排序的方法。在测试示例中,创建了一个有向图实例 `g`,并添加了6个顶点和相应的边。然后调用 `topological_sort` 方法进行拓扑排序,并将结果打印出来。 希望这段代码能够帮助到你理解如何在Python中实现拓扑排序算法
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