【Leetcode】拓扑排序—课程表系列

2024-04-08 20:04

本文主要是介绍【Leetcode】拓扑排序—课程表系列,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

有向无环图DAG图示:

拓扑排序结果:{2,3,5,1,7,4,6}   {3,2,1,5,7,6,4}           不唯一

拓扑排序结果满足:对于图中的每条有向边(u,v),u要排序在v之前;

应用:判断有向图中是否有环,可以生成拓扑序列;

Kahn(卡恩)算法

核心思想:用队列维护一个入度为0的节点的集合

step1:一次遍历,统计所有节点的入度,并将所有入度为0的节点加入队列;

step2:从队列中取出一个节点u放入排序列表,并将节点u的全部有向边(u,vi)删除,删除过程中判断节点vi的入度是否为0,若为0则压入队列;

step3:直至队列为空时,若排序列表中的元素个数等于节点个数,则得到拓扑排序结果;

            若排序列表中的元素个数小于节点个数,则该图有环;

from collections import defaultdictclass GraphAdjacencyList:def __init__(self):self.graph = defaultdict(list)self.degree = {}self.sort = []def add_edge(self, start, end):  self.graph[start].append(end)if end not in self.graph:self.graph[end] = []def printsort(self):def init_du():for node in self.graph:self.degree[node] = 0for node, nxtnodes in self.graph.items():for nxtnode in nxtnodes:self.degree[nxtnode] += 1def topoSort():queue, self.sort = [], []for node, du in self.degree.items():if du == 0: queue.append(node)while queue:node = queue.pop(0)self.sort.append(node)for nxtnode in self.graph[node]:self.degree[nxtnode] -= 1if self.degree[nxtnode] == 0:queue.append(nxtnode)init_du()topoSort()  if len(self.graph) == len(self.sort): return self.sortelse: return -1if __name__ == "__main__":garph = [[2,1],[2,7],[1,7],[7,4],[7,6],[3,1],[3,5],[5,6]]DAG = GraphAdjacencyList()for i in range(len(garph)):DAG.add_edge(garph[i][0], garph[i][1])out = DAG.printsort()print(out)

变形:求字典序最小的拓扑序,将队列换成优先队列/小根堆

例题
Leetcode 207 课程表

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 。

判断是否有环?     排序列表长度与图中结点数是否相等;

from collections import defaultdictclass Solution(object):def canFinish(self, numCourses, prerequisites):""":type numCourses: int:type prerequisites: List[List[int]]:rtype: bool"""tmp = defaultdict(list)                 # 邻接表for coarse in prerequisites:tmp[coarse[1]].append(coarse[0])degree = [0]*numCourses                 # 统计入度for coarse in prerequisites:degree[coarse[0]] += 1queue = []                              # 维护入度为0的队列for i in range(numCourses):if degree[i] == 0:queue.append(i)cnt = 0while queue:coarse = queue.pop(0)cnt += 1for nxtcoarse in tmp[coarse]:degree[nxtcoarse] -= 1if degree[nxtcoarse] == 0:queue.append(nxtcoarse)return cnt == numCourses# 生成邻接表和统计入度可合并操作
 Leetcode 210 课程表II

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 。

输出拓扑排序或者空数组;

class Solution(object):def findOrder(self, numCourses, prerequisites):""":type numCourses: int:type prerequisites: List[List[int]]:rtype: List[int]"""degree = [0]*numCourses    tmp = defaultdict(list)   queue = deque()for cur, pre in prerequisites:degree[cur] += 1                      tmp[pre].append(cur)                 for i in range(numCourses):if degree[i] == 0: queue.append(i)    out, cnt = [], 0while queue:course = queue.popleft()out.append(course)cnt += 1for i in tmp[course]:                degree[i] -= 1if degree[i] == 0:               queue.append(i)  return out if cnt == numCourses else []
  Leetcode 1462 课程表IV

你总共需要上 numCourses 门课,课程编号依次为 0 到 numCourses-1 。你会得到一个数组 prerequisite ,其中 prerequisites[i] = [ai, bi] 表示如果你想选 bi 课程,你 必须 先选 ai 课程。有的课会有直接的先修课程,比如如果想上课程 1 ,你必须先上课程 0 ,那么会以 [0,1] 数对的形式给出先修课程数对。先决条件也可以是 间接 的。如果课程 a 是课程 b 的先决条件,课程 b 是课程 c 的先决条件,那么课程 a 就是课程 c 的先决条件。你也得到一个数组 queries ,其中 queries[j] = [uj, vj]。对于第 j 个查询,您应该回答课程 uj 是否是课程 vj 的先决条件。返回一个布尔数组 answer ,其中 answer[j] 是第 j 个查询的答案。

前两题构建的tmp都是根据前置课程找当前课程,而这道题需要根据当前课程找前置课程;

方法一:从前置课程数量少的开始更新untmp;

以 tmp={2:4; 0:1,2; 1:2;} 为例:

构造untmp[4]时除了需要添加2,还需要添加2的前置课程untmp[2];

构造untmp[2]时除了需要添加0和1,还需要添加0和1的前置课程untmp[0],untmp[1];

untmp[0]无前置课程,untmp[1]的前置课程为0;

所以需要按照untmp[0]-untmp[1]-untmp[2]-untmp[4]的顺序构造,即拓扑排序顺序;

class Solution(object):def checkIfPrerequisite(self, numCourses, prerequisites, queries):""":type numCourses: int:type prerequisites: List[List[int]]:type queries: List[List[int]]:rtype: List[bool]"""degree = [0]*numCourses   tmp = defaultdict(set)untmp =  defaultdict(set) for pre, cur in prerequisites:        degree[cur] += 1                tmp[pre].add(cur) queue = []for i in range(numCourses):if degree[i] == 0: queue.append(i)    while queue:pre = queue.pop(0)for cur in tmp[pre]:untmp[cur].add(pre)untmp[cur] = untmp[cur] | untmp[pre] # 用set可自动去重,也方便查找degree[cur] -= 1if degree[cur] == 0:queue.append(cur)out = [False]*len(queries)for i, query in enumerate(queries):if query[1] in untmp and query[0] in untmp[query[1]]: out[i] = Truereturn out

方法二记忆化搜索,在构造untmp[4]的过程中将untmp[2]、untmp[1]、untmp[0]都保存,这样按tmp顺序构造untmp[2]/untmp[1]/untmp[0]时直接读取即可;

class Solution(object):def checkIfPrerequisite(self, numCourses, prerequisites, queries):""":type numCourses: int:type prerequisites: List[List[int]]:type queries: List[List[int]]:rtype: List[bool]"""tmp = defaultdict(list)   for pre, cur in prerequisites:                      tmp[pre].append(cur)memo = {}def helper(pre, cur):if (pre, cur) in memo: return memo[(pre, cur)]memo[(pre, cur)] = Falseif cur in tmp[pre]:memo[(pre, cur)] = Trueelse:for nxt in tmp[pre]:if helper(nxt, cur):memo[(pre, cur)] = Truebreakreturn memo[(pre, cur)]out = [False]*len(queries)for i, query in enumerate(queries):out[i] = helper(query[0], query[1])return out

这篇关于【Leetcode】拓扑排序—课程表系列的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/886364

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

哈希leetcode-1

目录 1前言 2.例题  2.1两数之和 2.2判断是否互为字符重排 2.3存在重复元素1 2.4存在重复元素2 2.5字母异位词分组 1前言 哈希表主要是适合于快速查找某个元素(O(1)) 当我们要频繁的查找某个元素,第一哈希表O(1),第二,二分O(log n) 一般可以分为语言自带的容器哈希和用数组模拟的简易哈希。 最简单的比如数组模拟字符存储,只要开26个c

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

usaco 1.3 Mixing Milk (结构体排序 qsort) and hdu 2020(sort)

到了这题学会了结构体排序 于是回去修改了 1.2 milking cows 的算法~ 结构体排序核心: 1.结构体定义 struct Milk{int price;int milks;}milk[5000]; 2.自定义的比较函数,若返回值为正,qsort 函数判定a>b ;为负,a<b;为0,a==b; int milkcmp(const void *va,c

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

hdu 1285(拓扑排序)

题意: 给各个队间的胜负关系,让排名次,名词相同按从小到大排。 解析: 拓扑排序是应用于有向无回路图(Direct Acyclic Graph,简称DAG)上的一种排序方式,对一个有向无回路图进行拓扑排序后,所有的顶点形成一个序列,对所有边(u,v),满足u 在v 的前面。该序列说明了顶点表示的事件或状态发生的整体顺序。比较经典的是在工程活动上,某些工程完成后,另一些工程才能继续,此时

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

leetcode-24Swap Nodes in Pairs

带头结点。 /*** Definition for singly-linked list.* public class ListNode {* int val;* ListNode next;* ListNode(int x) { val = x; }* }*/public class Solution {public ListNode swapPairs(L

leetcode-23Merge k Sorted Lists

带头结点。 /*** Definition for singly-linked list.* public class ListNode {* int val;* ListNode next;* ListNode(int x) { val = x; }* }*/public class Solution {public ListNode mergeKLists

flume系列之:查看flume系统日志、查看统计flume日志类型、查看flume日志

遍历指定目录下多个文件查找指定内容 服务器系统日志会记录flume相关日志 cat /var/log/messages |grep -i oom 查找系统日志中关于flume的指定日志 import osdef search_string_in_files(directory, search_string):count = 0