拓扑排序算法原理及Java代码实现

一、拓扑排序的概念

对一个有向无环图(Directed Acyclic Graph简称DAG)G进行拓扑排序,是将G中所有顶点排成一个线性序列,使得图中任意一对顶点u和v,若边<u,v>∈E(G),则u在线性序列中出现在v之前。通常,这样的线性序列称为满足拓扑次序(Topological Order)的序列,简称拓扑序列。

拓扑(ta pu)排序:BFS + 贪心,专门用于解决任务调度、课程顺序问题;
核心元素:入度,即有向图中某个顶点作为终点的次数之和;

二、算法原理

  • 将问题转化为有向图描述,记录每个节点的后继节点、入度值;
  • 找出所有入度为0的节点(入度为0说明没有前驱结点),将他们入队(队列中始终存放入度为0的节点);
  • 循环操作:从队列中依次将入度0的节点出队放入结果集数组(存放最终排序结果),并将该节点的后继节点入度值-1。
  • 检查是否含有环路:检查是否有节点没有输出(即结果集是否包含所有的节点),如果有节点没有输出,说明存在环路。

三、需要使用的数据结构

  • 哈希表(邻接表)数组HashSet[]:存放每个节点的后继节点;adj[i] = new HashSet();//表示节点i的后继节点
  • 入度数组inDegree[]:每个节点对应的入度值(入度值就是有向图中某个节点作为终点的次数和,即前驱节点的数目)
  • 队列queue:存放入度值为0的节点
  • 结果集数组res[]:拓扑排序的结果,即线性序列

四、Java代码实现案例

1.课程学习顺序
案例描述:现在你总共有 numCourses 门课需要选,记为 0 到 numCourses - 1。给你一个数组 prerequisites ,其中 prerequisites[i] = [ai, bi] ,表示在选修课程 ai 前 必须 先选修 bi 。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:[0,1] 。
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 任意一种 就可以了。如果不可能完成所有课程,返回 一个空数组 。

class Solution {
    public int[] findOrder(int numCourses, int[][] prerequisites) {
        //拓扑排序(BFS+贪心):专门用于解决任务调度问题和课程问题。
        //需要使用的数据结构:
        //哈希表(邻接表)数组HashSet[]:存放每个节点的后继节点;adj[i] = new HashSet();//表示课程i的后继节点课程
        //入度数组inDegree[]:每个节点对应的入度值(入度值就是有向图中某个节点作为终点的次数和,即前驱节点的数目)
        //队列queue:存放入度值为0的节点
        //结果集数组res[]:拓扑排序的结果,即课程学习顺序
        if(numCourses <= 0){
            return new int[0];
        }
        //1.将问题转化为有向图描述,记录每个节点的后继节点、入度值
        //1.1记录每个节点的后继节点(每个课程的后继课程)
        HashSet<Integer>[] adj = new HashSet[numCourses];//1.1.1定义哈希数组(邻接表):存放每个节点的后继节点;adj[i] = new HashSet();//表示课程i的后继节点课程
        for(int i = 0 ; i < numCourses ; i++){
            adj[i] = new HashSet<>();//1.1.2初始化哈希数组:初始化课程i的后继课程
        }
        //1.2记录每个节点的入度值(每个课程的前驱课程数目)
        int[] inDegree = new int[numCourses];//1.2.1定义并初始化入度数组inDegree[]:每个节点对应的入度值
        for(int[] p : prerequisites){
            //p[1] → p[0]
            adj[p[1]].add(p[0]);//1.1.3记录每个节点的后继节点
            inDegree[p[0]]++; //1.2.2记录每个节点的入度值
        }

        //2.找到入度为0的节点,将他们入队
        Queue<Integer> queue = new LinkedList<>();//定义队列queue:始终存放入度值为0的节点
        for(int i = 0 ; i < numCourses ; i++){
            if(inDegree[i] == 0) queue.offer(i);
        }

        //3.拓扑排序:每一次都找出入度值为0的节点,将其取出来放入结果集中,并将其后继节点入度值-1
        int[] res = new int[numCourses];//定义结果集数组res[]:拓扑排序的结果,即课程学习顺序
        int count = 0;//当前课程的排序顺序(即排序后当前课程的位置索引)
        while(!queue.isEmpty()){
            //3.1将队列中节点(即入度值为0的节点)依次出队,并放入结果集数组res
            Integer head = queue.poll();
            res[count] = head;//将入度0课程head放入结果数组索引count的位置上
            count++;//更新位置索引(排序顺序)
            //3.2后继节点的入度值-1
            Set<Integer> successors = adj[head];//得到入度0节点的后继节点
            for(int nextCourse : successors){
                inDegree[nextCourse]--;//入度值-1
                //立马检查入度值是否为0,如果是0就放入队列
                if(inDegree[nextCourse] == 0){
                    queue.offer(nextCourse);
                }
            }

        }

        //4.检测有向图是否有环:检查是否有节点没有输出(即结果集是否包含所有的节点),如果有节点没有输出,说明存在环路,则不能完成所有课程的学习。
        if(count == numCourses){
            return res;//如果结果集包含所有节点,那么排序成功结束,没有环路,可以完成所有课程的学习,返回结果集
        }
        return new int[0];//否则说明存在环路,无法完成所有课程的学习


    }
}

2.课程表
案例描述:
你这个学期必须选修 numCourses 门课程,记为 0 到 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 prerequisites 给出,其中 prerequisites[i] = [ai, bi] ,表示如果要学习课程 ai 则 必须 先学习课程 bi 。
例如,先修课程对 [0, 1] 表示:想要学习课程 0 ,你需要先完成课程 1 。
请你判断是否可能完成所有课程的学习?如果可以,返回 true ;否则,返回 false 。

class Solution {
    public boolean canFinish(int numCourses, int[][] prerequisites) {
        //1.定义入度值和依赖关系
        Map<Integer , Integer> inDegree = new HashMap<>();//1.1用哈希表存放对应课号的入度值(key:课号,value:入度值)
        for(int i = 0 ; i < numCourses ; i++){
            inDegree.put(i , 0);//1.2初始化入度值
        }
        Map<Integer , List<Integer>> adj = new HashMap();//1.3邻接表:用哈希表存放依赖关系(key:课号,value:依赖这门课的后续课程)
        
        //2.更新入度值和化依赖关系
        for(int[] relate : prerequisites){
            //举例说明:(3,0), 想学3号课程要先完成0号课程, 更新3号课程的入度和0号课程的依赖(邻接表)
            int cur = relate[1];
            int next = relate[0];
            //2.1更新入度值
            inDegree.put(next , inDegree.get(next) + 1);
            //2.2更新当前课程的依赖关系
            if(!adj.containsKey(cur)){//2.2.1如果邻接表中不存在当前课程cur,就要新开辟一个哈希空间
                adj.put(cur , new ArrayList<>());
            }
            adj.get(cur).add(next);//2.2.2添加当前课程cur的依赖关系
        }

        //3.BFS:首先将入度为 0 的课程放入队列(队列中的课程就是没有先修,可以直接学的课程);然后依次取出入度值为0的课程(学习入度值为0的课程),其后续依赖课程入度值需要-1;最后更新队列,再次循环。
        //3.1找到入度值为0 的课程,放入队列q中
        Queue<Integer> q = new LinkedList<>();//定义队列q用于存放入度值为0的课程
        //遍历入度值,找到入度值为0 的课程,放入队列中
        for(int key : inDegree.keySet()){
            if(inDegree.get(key) == 0){
                q.offer(key);
            }
        }
        //3.2从队列q取出一个节点,相当于学习这门课程,其后续依赖课程的入度值需要-1
        while(!q.isEmpty()){
            int cur = q.poll();//3.2.1取出一个节点,相当于学习这门课程
            if(!adj.containsKey(cur)){
                continue;
            }
            List<Integer> successorList = adj.get(cur);//3.2.2获取当前课程cur的邻接表
            for(int k : successorList){
                inDegree.put(k , inDegree.get(k) - 1);//3.2.3更新入度值:当前课程cur已学习,则后续课程入度值-1
                
                //3.3更新队列
                if(inDegree.get(k) == 0){
                    q.offer(k);//如果后续课程入度值为0,则加入队列q
                }
            }
        }

        //4.结束条件:如果存在入度值不为0的课程,则false;否则说明全部课程入度值都为0,都可以直接学习了,ture
        for (int key : inDegree.keySet()) {
            if (inDegree.get(key) != 0) {
                return false;
            }
        }
        return true;



    }
}
  • 0
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
评论 1
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

打赏作者

远方上&肖

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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