在学习拓扑排序之前,我们需要先了解一些基本知识:
- 有向无环图 ( D i r e c t e d A c y c l i c G r a p h , D A G ) (Directed\:Acyclic\:Graph,DAG) (DirectedAcyclicGraph,DAG):一个有向图中不存在环
- A O V AOV AOV网:若用 D A G DAG DAG图表示一个工程,其顶点表示活动,用有向边 < v i , v j > <v_i,v_j> <vi,vj>表示活动 v i v_i vi必须先于活动 v j v_j vj进行的这样一种关系,则将这种有向图称之为顶点表示活动的网络,记为 A O V AOV AOV网
拓扑排序
在图论中,由一个有向无环图的顶点组成的序列,当且仅当满足每个顶点出现且仅出现一次;若顶点 A A A在序列中排在顶点 B B B的前面,则在图中不存在从顶点 B B B到顶点 A A A的路径时,称该图为拓扑排序
例如下图中,首先它必须时有向无环图,从 1 1 1出发的拓扑排序可以是 1 , 2 , 4 , 3 , 5 1,2,4,3,5 1,2,4,3,5。
对于一个有向无环图的拓扑排序,我们遵循一种常用的方法:
- 从 D A G DAG DAG图中选择一个没有前驱(即入度为 0 0 0)的顶点并输出
- 从图中删除改顶点和所有以它为起点的有向边
- 重复 1 1 1和 2 2 2周到当前的图为空或者当前图中不存在无前驱的顶点为止。后一种情况说明有向图中必然存在环。
代码实现:
bool topo(Graph G, int n) {
queue<int>q;
for (int i = 1; i <= n; i++) {
if (indegree[i] == 0) q.push(i);
}
int temp, count;
while (!q.empty()) {
temp = q.front();
count++;
cout << temp << "->";
q.pop();
for (int i = 1; i <= n; i++) {//将所有temp指向的顶点入度减1,并将入度为0的顶点入队列
if (map[temp][i]) {
indegree[i]--;
if (indegree[i] == 0)q.push(i);
}
}
}
if (count < n) return false;//拓扑失败,有向图中有回路
else return true;//拓扑成功
}
在采用邻接表存储的拓扑排序的时间复杂度为 O ( V + E ) O(V+E) O(V+E),采用邻接矩阵存储的时间复杂度为 O ( V 2 ) O(V^2) O(V2)。