1、DFS
我们可以将课程之间的关系理解成一个图,我们需要遍历整张图,判断能否找到一个遍历了整张图的路径。值得注意的是,我们还需要判断当前图中是否有可能出现环,若出现环则肯定无法遍历。
我们首先根据输入的数组prerequisites
构建我们的邻接矩阵edges
,而后初始化访问数组visited
用于在记录节点的访问状态,其中 0 表示未访问,1 表示正在访问,2 表示已经访问完成,并利用布尔变量valid
表示当前图中是否出现环,数组result
记录我们在遍历过程中遍历到的节点。
我们对于每一个未访问的节点进行 DFS 搜索:
- 我们首先将对应的访问数组修改为 1 ,而后对其的邻居节点进行遍历;
- 若该节点未被访问,我们继续对该节点调用 DFS ,若出现环则直接返回;
- 若该节点正在被访问,说明当前图中存在环,修改
valid
并直接返回; - 当我们对所有邻居节点访问完成之后,我们将当前节点的
visited
修改为 2 ,并将当前节点加入最终结果中。
考虑到图中可能出现环,我们对于这种情况直接返回空数组;同时考虑到因为递归,我们在结果中的课程是逆序的,故我们对数组进行逆序操作后再输出。
class Solution {
private:
vector<vector<int>> edges;
vector<int> visited;
vector<int> result;
bool valid = true;
public:
void dfs(int u) {
visited[u] = 1;
for (int v: edges[u]) {
if (visited[v] == 0) {
dfs(v);
if (!valid) {
return;
}
}
else if (visited[v] == 1) {
valid = false;
return;
}
}
visited[u] = 2;
result.push_back(u);
}
vector<int> findOrder(int numCourses, vector<vector<int>>& prerequisites) {
edges.resize(numCourses);
visited.resize(numCourses);
for (const auto& info: prerequisites) {
edges[info[1]].push_back(info[0]);
}
for (int i = 0; i < numCourses && valid; ++i) {
if (!visited[i]) {
dfs(i);
}
}
if (!valid) {
return {};
}
reverse(result.begin(), result.end());
return result;
}
};
2、BFS
具体思路同上,区别在于我们使用队列控制访问的节点,每次都将队首的元素出队。当出队导致有节点入度为 0 时,将该节点入队。
class Solution {
private:
// 存储有向图
vector<vector<int>> edges;
// 存储每个节点的入度
vector<int> indeg;
// 存储答案
vector<int> result;
public:
vector<int> findOrder(int numCourses, vector<vector<int>>& prerequisites) {
edges.resize(numCourses);
indeg.resize(numCourses);
for (const auto& info: prerequisites) {
edges[info[1]].push_back(info[0]);
++indeg[info[0]];
}
queue<int> q;
// 将所有入度为 0 的节点放入队列中
for (int i = 0; i < numCourses; ++i) {
if (indeg[i] == 0) {
q.push(i);
}
}
while (!q.empty()) {
// 从队首取出一个节点
int u = q.front();
q.pop();
// 放入答案中
result.push_back(u);
for (int v: edges[u]) {
--indeg[v];
// 如果相邻节点 v 的入度为 0,就可以选 v 对应的课程了
if (indeg[v] == 0) {
q.push(v);
}
}
}
if (result.size() != numCourses) {
return {};
}
return result;
}
};