1. 环检测算法
这道题可以先看到关于这道题的描述:
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
。
就是说,给出n
门,问你能否存在一种方法,使得能够完整修完这n门课?
首先,存在这种前置条件的连接关系,一般就要想到利用图来做了,那么在这道题中,能否完成所有的课程,取决于是否有循环依赖,如果有循环依赖,那么就证明无法完成课程的修读,比如说我想修读课程A,那么必须修读课程B,但是我修读课程B,那么必须要修读课程A
如果完成图论问题,一般可以分成两步
- 第一步,将题中给出的关系,转换为图的关系,比较常见的有
邻接矩阵和邻接表
- 第二步,根据图的关系,执行搜索算法
那么对于这道题而言,首先要将数组关系转换成一幅图,写出伪代码如下:
/**
* 这里建立的是一个被依赖的关系,也就是说,通过map[i]->target
* 它的含义是说:只有先完成i才能完成target
* @param prerequisites:它的含义是说,你只有完成了[1],才能完成[0]
* @return
*/
private List<Integer>[] buildMap(int[][] prerequisites){
while(关系还没有遍历完){
//from边
int from = prerequisites[i][1];
//to边
int to = prerequisites[i][0];
//添加一条从from指向to的有向边
graph[from].add(to);
}
return graph;
}
那么在接下来拿到这个图之后,就要开始遍历了:
private void traverse(List<Integer>[] graph,int s){
if(在本次遍历的路径上遇到过这个点){
产生了环;
标记并且返回;
}
if(已经遍历过了这个点){
return;
}
标记当前节点已经被访问过;
将当前节点加入到当前访问路径中;
继续遍历;
}
将伪代码进行修正,得到:
public class CanFinish {
private boolean[] visited;
private boolean[] onPath;
private boolean hadCycle;
public boolean canFinish(int numCourses, int[][] prerequisites) {
visited = new boolean[numCourses];
onPath = new boolean[numCourses];
//1. 建图
List<Integer>[] graph = buildGraph(numCourses, prerequisites);
//2. 对图进行搜素,看是否有环
for(int i = 0;i<numCourses;i++){
traverse(graph,i);
}
//3. 返回结果
return !hadCycle;
}
private void traverse(List<Integer>[] graph,int s){
if(onPath[s]){
hadCycle = true;
return;
}
if(hadCycle || visited[s]){
return;
}
//标记当前节点已经被访问过
visited[s] = true;
//将当前节点加入到当前访问路径中
onPath[s] = true;
//继续遍历
for (Integer node : graph[s]) {
traverse(graph,node);
}
onPath[s] = false;
}
/**
* 这里建立的是一个被依赖的关系,也就是说,通过map[i]->target
* 它的含义是说:只有先完成i才能完成target
* @param prerequisites:它的含义是说,你只有完成了[1],才能完成[0]
* @return
*/
private List<Integer>[] buildGraph(int numCourses,int[][] prerequisites){
//1. 建立图的负载
List<Integer>[] graph = new ArrayList[numCourses];
//2. 初始化图
for(int i = 0;i<numCourses;i++){
graph[i] = new ArrayList<>();
}
for (int[] prerequisite : prerequisites) {
//from边
int from = prerequisite[1];
//to边
int to = prerequisite[0];
//添加一条从from指向to的有向边
graph[from].add(to);
}
return graph;
}
}
2. 拓扑排序
这里先说一个结论:在进行遍历的时候,只需要在后序的位置将节点的值添加到数组中,然后最终将数组逆序就可以就是答案了?(在定义了被依赖的这种关系的前提下)
在进行遍历的时候,只需要在后序的位置将节点的值添加到数组中,最终就是答案了,在定义了
依赖
的这种关系的前提下
为什么?
首先要理解拓扑排序中,什么样的节点可以被加入队列,是那些没有入边的节点,就可以被加入到队列中来,那么什么时候这个节点没有入边呢,试想一下,我们使用后序遍历的过程中,只有当左右(或者是连通的其他节点)
节点都遍历完了之后,才会访问本节点
定义依赖和被依赖有什么区别?
如果是定义依赖,那么边的指向就是它需要依赖的那些对象,只有当被依赖的那些对象全部被访问完了之后,才能访问此对象,被定义被依赖,这个就比较抽象,不好理解,但是你可以理解为,两者就是顺序不同而已。
我们只需要理解定义依赖的这种情况就好了
首先我们利用依赖的这种关系,将第一题的算法重新编写一次,验证我们的猜想是否正确
private boolean[] visited;
private boolean[] onPath;
private boolean hasCycle;
public boolean canFinish(int numCourses, int[][] prerequisites) {
//1. 初始化常量
visited = new boolean[numCourses];
onPath = new boolean[numCourses];
//2. 建图
List<Integer>[] graph = buildGraph(numCourses, prerequisites);
//3. 遍历
for(int i = 0;i<numCourses;i++){
traverse(graph,i);
}
//4. 返回结果
return !hasCycle;
}
/**
* 定义依赖关系,也就是说:从map[i]->target
* 其中i需要依赖于target
* @param numCourses:有几门课
* @param prerequisites:课的依赖关系
* @return
*/
private List<Integer>[] buildGraph(int numCourses, int[][] prerequisites){
//1. 初始化图
List<Integer>[] graph = new LinkedList[numCourses];
for(int i = 0;i<numCourses;i++){
graph[i] = new LinkedList<>();
}
//2. 遍历关系表
for (int[] prerequisite : prerequisites) {
//学习[0]必须先学习[1]
//那么也就是说[0]依赖于[1]
int from = prerequisite[0];
int to = prerequisite[1];
graph[from].add(to);
}
return graph;
}
//遍历函数
private void traverse(List<Integer>[] graph,int s){
if(onPath[s]){
hasCycle = true;
}
if(hasCycle || visited[s]){
return;
}
visited[s] = true;
onPath[s] =true;
for (Integer t : graph[s]) {
traverse(graph,t);
}
onPath[s] = false;
}
这样的话是完全正常的,只是修改了边与边之间的关系而已,于是我们继续在这个基础上修改代码
private boolean[] visited;
private boolean[] onPath;
private boolean hasCycle;
private int[] ans;
private int idx = 0;
public int[] finOrder(int numCourses, int[][] prerequisites) {
//1. 初始化常量
visited = new boolean[numCourses];
onPath = new boolean[numCourses];
ans = new int[numCourses];
//2. 建图
List<Integer>[] graph = buildGraph(numCourses, prerequisites);
//3. 遍历
for(int i = 0;i<numCourses;i++){
traverse(graph,i);
}
//4. 返回结果
//4.1 如果有环,就是空数组
if(hasCycle){
return new int[]{};
}
//4.2 如果无环,那么就返回一个合法的数组回来
return ans;
}
/**
* 定义依赖关系,也就是说:从map[i]->target
* 其中i需要依赖于target
* @param numCourses:有几门课
* @param prerequisites:课的依赖关系
* @return
*/
private List<Integer>[] buildGraph(int numCourses, int[][] prerequisites){
//1. 初始化图
List<Integer>[] graph = new LinkedList[numCourses];
for(int i = 0;i<numCourses;i++){
graph[i] = new LinkedList<>();
}
//2. 遍历关系表
for (int[] prerequisite : prerequisites) {
//学习[0]必须先学习[1]
//那么也就是说[0]依赖于[1]
int from = prerequisite[0];
int to = prerequisite[1];
graph[from].add(to);
}
return graph;
}
//遍历函数
private void traverse(List<Integer>[] graph,int s){
if(onPath[s]){
hasCycle = true;
}
if(hasCycle || visited[s]){
return;
}
visited[s] = true;
onPath[s] =true;
for (Integer t : graph[s]) {
traverse(graph,t);
}
ans[idx++] = s;
onPath[s] = false;
}
3. 环检测算法的BFS解法
BFS
的算法流程,实际上就是拓扑排序的原始算法,这里的话简单描述一下拓扑算法的算法是怎么样的
检测全图,看是否有入度为0,如果有的话,那么就将这个节点和他相连的边直接删除,如果图中的节点保持不变,此时观察节点数量是否为0,如果为0,那么就无环,同时遍历的序列就是拓扑排序的结果,否则的话就是有环,抛出异常,无法完成拓扑排序
- 构建临接表,建图,边的方向表示
被依赖的关系
为什么是被依赖的关系,因为只有那些不需要任何依赖的课程才是拓扑排序的起点,因此在这个情况下,定义为被依赖的关系是比较好理解的
private List<Integer>[] buildGraph(int numCourses, int[][] prerequisites){
//1. 初始化图
List<Integer>[] graph = new LinkedList[numCourses];
for (int i = 0; i < numCourses; i++) {
graph[i] = new LinkedList<>();
}
//2. 遍历关系,建图
for (int[] prerequisite : prerequisites) {
//[0]依赖于[1],那么也就是说:从[1]出发到[0]
int from = prerequisite[1];
int to = prerequisite[0];
graph[from].add(to);
}
return graph;
}
- 构建一个
inDegree[]
数组来记录第i个节点的入度,那么怎么算有入度呢?就是说当有被人指向的时候,就是有入度,在上面的建图函数中,to
就代表着,有一条边指向了to
,因此就是:
inDegree[to]++;
- 对BFS队列进行初始化,首先对于那些
入度为0
的节点首先加入队列 - 开始执行BFS循环,不断弹出队列中的节点,减少相邻节点的入度,并且将入读为0的节点加入到队列中
- 如果最终所有节点都被遍历过,
count == 节点数
,说明环是能够消除完的,反之就是说明存在环
class Solution {
public boolean canFinish(int numCourses, int[][] prerequisites) {
//1. 初始化入度数组
int[] inDegree = new int[numCourses];
int node = 0;
//2. 初始化图 && 计算每个节点的入度
List<Integer>[] graph = buildGraph(numCourses, prerequisites, inDegree);
//3. BFS搜索
//3.1 初始化队列
Queue<Integer> q = new ArrayDeque<>(numCourses);
//3.2 将入度为0的数组加入到队列中
for (int i = 0; i < inDegree.length; i++) {
if(inDegree[i] == 0){
q.offer(i);
}
}
//3.3 开始广搜
while(!q.isEmpty()){
//3.4 弹出头节点,这个头结点要从图中删除
Integer head = q.poll();
node++;
//3.5 要删除头节点,那么就要将头节点的相邻边也删除
for (Integer t : graph[head]) {
if(--inDegree[t] == 0){
q.offer(t);
}
}
}
//4. 返回结果
return node == numCourses;
}
private List<Integer>[] buildGraph(int numCourses, int[][] prerequisites,int[] inDegree){
//1. 初始化图
List<Integer>[] graph = new LinkedList[numCourses];
for (int i = 0; i < numCourses; i++) {
graph[i] = new LinkedList<>();
}
//2. 遍历关系,建图
for (int[] prerequisite : prerequisites) {
//[0]依赖于[1],那么也就是说:从[1]出发到[0]
int from = prerequisite[1];
int to = prerequisite[0];
graph[from].add(to);
inDegree[to]++;
}
return graph;
}
}
4. 拓扑排序BFS
其实非常简单,只需要在poll()
的时候将元素加到数组来就行了
public int[] findOrder(int numCourses, int[][] prerequisites) {
//1. 初始化入度数组
int[] inDegree = new int[numCourses];
int[] ans = new int[numCourses];
int node = 0;
//2. 初始化图 && 计算每个节点的入度
List<Integer>[] graph = buildGraph(numCourses, prerequisites, inDegree);
//3. BFS搜索
//3.1 初始化队列
Queue<Integer> q = new ArrayDeque<>(numCourses);
//3.2 将入度为0的数组加入到队列中
for (int i = 0; i < inDegree.length; i++) {
if(inDegree[i] == 0){
q.offer(i);
}
}
//3.3 开始广搜
while(!q.isEmpty()){
//3.4 弹出头节点,这个头结点要从图中删除
Integer head = q.poll();
ans[node++] = head;
//3.5 要删除头节点,那么就要将头节点的相邻边也删除
for (Integer t : graph[head]) {
if(--inDegree[t] == 0){
q.offer(t);
}
}
}
//4. 返回结果
if(node == numCourses){
return ans;
}else{
return new int[]{};
}
}