207.课程表
问题：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 。
示例：
输入：numCourses = 2, prerequisites = [[1,0]]
输出：true
解释：总共有 2 门课程。学习课程 1 之前，你需要完成课程 0 。这是可能的。
输入：numCourses = 2, prerequisites = [[1,0],[0,1]]
输出：false
解释：总共有 2 门课程。学习课程 1 之前，你需要先完成课程 0 ；并且学习课程 0 之前，你还应先完成课程 1 。这是不可能的。
思路：dfs
首先根据依赖管理建图，采用邻接表的方式List<Integer>[]。因为课程之间存在依赖关系，所以是一个有向图，比如[1,0]表示学习课程 1 之前，你需要完成课程 0 ，也就是学完课程0才能学课程1，所以应该是0 -> 1。
接下来是遍历，若是一个有向无环图，则它的遍历和多叉树的遍历差不多，多叉树的遍历框架如下：
/* 多叉树遍历框架 */
void traverse(TreeNode root) {
if (root == null) return;
for (TreeNode child : root.children) {
traverse(child);
}
}
根据多叉树的遍历框架就可以写出图的遍历框架：
// 防止重复遍历同一个节点
boolean[] visited;
// 从节点 s 开始 DFS 遍历，将遍历过的节点标记为 true
void traverse(List<Integer>[] graph, int s) {
if (visited[s]) {
return;
}
/* 前序遍历代码位置 */
// 将当前节点标记为已遍历
visited[s] = true;
for (int t : graph[s]) {
traverse(graph, t);
}
/* 后序遍历代码位置 */
}
因为有可能存在环，为避免出现死循环，使用一个布尔数组visited防止重复遍历一个节点，注意：遍历过程中若visited=true，并不一定是出现了环，也有可能是两个节点都指向了这个节点。所以要想判断有没有环，还需要一个布尔数组path来记录当前遍历的这条路径，当遍历节点s时，发现path[s]=true，则说明存在环。
class Solution {
//记录遍历的路径
boolean[] path;
boolean hasCycle = false;
//防止重复遍历一个节点
boolean[] visited;
public boolean canFinish(int numCourses, int[][] prerequisites) {
List<Integer>[] graph = buildGraph(numCourses, prerequisites);
visited = new boolean[numCourses];
path = new boolean[numCourses];
for(int i = 0; i < numCourses; i++){
dfs(graph, i);
}
return !hasCycle;
}
//遍历
private void dfs(List<Integer>[] graph, int s){
if(path[s]){
hasCycle = true;
}
if(visited[s] || hasCycle){
return;
}
visited[s] = true;
path[s] = true;
for(int c : graph[s]){
dfs(graph, c);
}
path[s] = false;
}
//建图
private List<Integer>[] buildGraph(int numCourses, int[][] prerequisites){
List<Integer>[] graph = new LinkedList[numCourses];
for(int i = 0; i < numCourses; i++){
graph[i] = new LinkedList<>();
}
for(int[] edge: prerequisites){
graph[edge[1]].add(edge[0]); //必须修完后面的课程才能修前面的课程
}
return graph;
}
}
- bfs
用一个数组记录每个节点的入度，入度为0，放入队列，使用一个变量visited记录入度为0的节点个数，然后从入度为0的节点开始遍历，也就是从队列出队一个节点，每遍历一个节点则visited加1，并将其相邻节点的入度-1，相当于将这个节点的边去掉，若相邻节点入度为0，则入队。然后遍历下一个入度为0的节点，直到不存在入度为0的节点。最后看入度为0的节点个数visited是否等于总节点数，相等则无环；不等则有环。
class Solution {
public boolean canFinish(int numCourses, int[][] prerequisites) {
List<Integer>[] graph = new LinkedList[numCourses];
int[] count = new int[numCourses];
Queue<Integer> queue = new LinkedList();
for(int i = 0; i < numCourses; i++){
graph[i] = new LinkedList<>();
}
//建图
for(int[] edge: prerequisites){
int from = edge[1];
int to = edge[0];
graph[from].add(to); //必须修完后面的课程才能修前面的课程 从from指向to
++count[to];
}
//统计图中入度为0的节点
for(int i = 0; i < numCourses; i++){
if(count[i] == 0){
queue.offer(i);
}
}
//bfs
int visited = 0;
while(!queue.isEmpty()){
int cur = queue.poll();
visited++;
for(int n: graph[cur]){
if(--count[n] == 0){
queue.offer(n);
}
}
}
return visited == numCourses;
}
}
210.课程表II
问题：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 。
示例：
示例1：
输入：numCourses = 2, prerequisites = [[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：numCourses = 4, prerequisites = [[1,0],[2,0],[3,1],[3,2]]
输出：[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] 。
示例3：
输入：numCourses = 1, prerequisites = []
输出：[0]
思路：
- bfs
用一个数组记录每个节点的入度，入度为0，放入队列，再使用一个数组res记录入度为0的节点，然后从入度为0的节点开始遍历，也就是从队列出队一个节点，每遍历一个节点就将这个节点放入res中，并将其相邻节点的入度-1，相当于将这个节点的边去掉。若相邻节点入度为0，则入队。然后遍历下一个入度为0的节点，直到不存在入度为0的节点。最后比较res的长度是否等于总节点数，相等则无环，返回结果；不等则有环，返回空数组。
class Solution {
public int[] findOrder(int numCourses, int[][] prerequisites) {
List<Integer>[] graph = new LinkedList[numCourses];
for(int i = 0; i < numCourses; i++){
graph[i] = new LinkedList();
}
//建图 邻接表
int[] count = new int[numCourses];
for(int[] edge: prerequisites){
int from = edge[1];
int to = edge[0];
graph[from].add(to);
++count[to];
}
List<Integer> res = new ArrayList();
Queue<Integer> queue = new LinkedList();
for(int i = 0; i< numCourses; i++){
if(count[i] == 0){
queue.offer(i);
}
}
while(!queue.isEmpty()){
int cur = queue.poll();
res.add(cur);
for(int n: graph[cur]){
if(--count[n] == 0){
queue.offer(n);
}
}
}
return res.size() != numCourses ? new int[0] : res.stream().mapToInt(Integer::valueOf).toArray();
}
}
- dfs 有点懒了 直接搬了官方题解，代码中有注释
对于图中的任意一个节点，它在搜索的过程中有三种状态，即：
-
「未搜索」：我们还没有搜索到这个节点；
-
「搜索中」：我们搜索过这个节点，但还没有回溯到该节点，即该节点还没有入栈，还有相邻的节点没有搜索完成）；
-
「已完成」：我们搜索过并且回溯过这个节点，即该节点已经入栈，并且所有该节点的相邻节点都出现在栈的更底部的位置，满足拓扑排序的要求。
通过上述的三种状态，我们就可以给出使用深度优先搜索得到拓扑排序的算法流程，在每一轮的搜索搜索开始时，我们任取一个「未搜索」的节点开始进行深度优先搜索。
-
我们将当前搜索的节点 u 标记为「搜索中」，遍历该节点的每一个相邻节点 v：
-
如果 v 为「未搜索」，那么我们开始搜索 v，待搜索完成回溯到 u；
-
如果 v 为「搜索中」，那么我们就找到了图中的一个环，因此是不存在拓扑排序的；
-
如果 v 为「已完成」，那么说明 v 已经在栈中了，而 u 还不在栈中，因此 u 无论何时入栈都不会影响到 (u, v)之前的拓扑关系，以及不用进行任何操作。
-
-
当 u 的所有相邻节点都为「已完成」时，我们将 u 放入栈中，并将其标记为「已完成」。
在整个深度优先搜索的过程结束后，如果我们没有找到图中的环，那么栈中存储这所有的 n 个节点，从栈顶到栈底的顺序即为一种拓扑排序。
class Solution {
private int[] res; //拓扑排序结果 模拟栈
private int[] visited; //记录节点遍历状态
private boolean hasCycle; //是否存在环
private int index; //从数组最后位置开始，表示栈底
public int[] findOrder(int numCourses, int[][] prerequisites) {
List<Integer>[] graph = new LinkedList[numCourses];
res = new int[numCourses];
visited = new int[numCourses];
index = numCourses - 1;
for(int i = 0; i < numCourses; i++){
graph[i] = new LinkedList();
}
//建图 邻接表
for(int[] edge: prerequisites){
int from = edge[1];
int to = edge[0];
graph[from].add(to);
}
//每次挑一个未被搜索过的节点遍历
for(int i = 0; i < numCourses; i++){
if(visited[i] == 0){
dfs(graph, i);
}
}
//有环
if(hasCycle){
return new int[0];
}
return res;
}
private void dfs(List<Integer>[] graph, int node){
//该节点搜索中
visited[node] = 1;
//遍历其未搜索的相邻节点
for(int n: graph[node]){
if(visited[n] == 0){
dfs(graph, n);
if(hasCycle){
return;
}
//有环了 没环的话，是不会再次搜索到一个 搜索中 的节点的
} else if(visited[n] == 1){
hasCycle = true;
return;
}
}
//搜索完成
visited[node] = 2;
//节点入栈
res[index--] = node;
}
}
整理思路，记录博客，以便复习。若有误，望指正~
281
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
