python 拓扑排序 dfs bfs_(番外)使用DFS和BFS实现拓扑排序

1.BFS实现

public class Solution {

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

int[] incLinkCounts = new int[numCourses];

List> adjs = new ArrayList<>(numCourses);

initialiseGraph(incLinkCounts, adjs, prerequisites);

//return solveByBFS(incLinkCounts, adjs);

return solveByBFS(incLinkCounts,adjs);

}

private void initialiseGraph(int[] incLinkCounts, List> adjs, int[][] prerequisites){

int n = incLinkCounts.length;

while (n-- > 0) adjs.add(new ArrayList<>());

for (int[] edge : prerequisites) {

incLinkCounts[edge[0]]++;

adjs.get(edge[1]).add(edge[0]);

}

}

private int[] solveByBFS(int[] incLinkCounts, List> adjs){

int[] order = new int[incLinkCounts.length];

Queue toVisit = new ArrayDeque<>();

for (int i = 0; i < incLinkCounts.length; i++) {

if (incLinkCounts[i] == 0) toVisit.offer(i);

}

int visited = 0;

while (!toVisit.isEmpty()) {

int from = toVisit.poll();

order[visited++] = from;

for (int to : adjs.get(from)) {

incLinkCounts[to]--;

if (incLinkCounts[to] == 0) toVisit.offer(to);

}

}

return visited == incLinkCounts.length ? order : new int[0];

}

}

2.DFS实现

public class Solution {

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

int[] incLinkCounts = new int[numCourses];

List> adjs = new ArrayList<>(numCourses);

initialiseGraph(incLinkCounts, adjs, prerequisites);

//return solveByBFS(incLinkCounts, adjs);

return solveByDFS(adjs);

}

private void initialiseGraph(int[] incLinkCounts, List> adjs, int[][] prerequisites){

int n = incLinkCounts.length;

while (n-- > 0) adjs.add(new ArrayList<>());

for (int[] edge : prerequisites) {

incLinkCounts[edge[0]]++;

adjs.get(edge[1]).add(edge[0]);

}

}

private int[] solveByBFS(int[] incLinkCounts, List> adjs){

int[] order = new int[incLinkCounts.length];

Queue toVisit = new ArrayDeque<>();

for (int i = 0; i < incLinkCounts.length; i++) {

if (incLinkCounts[i] == 0) toVisit.offer(i);

}

int visited = 0;

while (!toVisit.isEmpty()) {

int from = toVisit.poll();

order[visited++] = from;

for (int to : adjs.get(from)) {

incLinkCounts[to]--;

if (incLinkCounts[to] == 0) toVisit.offer(to);

}

}

return visited == incLinkCounts.length ? order : new int[0];

}

private int[] solveByDFS(List> adjs) {

BitSet hasCycle = new BitSet(1);

BitSet visited = new BitSet(adjs.size());

BitSet onStack = new BitSet(adjs.size());

Deque order = new ArrayDeque<>();

for (int i = adjs.size() - 1; i >= 0; i--) {

if (visited.get(i) == false && hasOrder(i, adjs, visited, onStack, order) == false) return new int[0];

}

int[] orderArray = new int[adjs.size()];

for (int i = 0; !order.isEmpty(); i++) orderArray[i] = order.pop();

return orderArray;

}

private boolean hasOrder(int from, List> adjs, BitSet visited, BitSet onStack, Deque order) {

visited.set(from);

onStack.set(from);

for (int to : adjs.get(from)) {

if (visited.get(to) == false) {

if (hasOrder(to, adjs, visited, onStack, order) == false) return false;

} else if (onStack.get(to) == true) {

return false;

}

}

onStack.clear(from);

order.push(from);

return true;

}

}

  • 0
    点赞
  • 0
    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 DFSBFS、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