乐趣区

关于leetcode:LeetCode-207-课程表-Python

207. 课程表


题目起源:力扣(LeetCode)https://leetcode-cn.com/problems/course-schedule

题目


你这个学期必须选修 numCourse 门课程,记为 0 到 numCourse-1。

在选修某些课程之前须要一些先修课程。例如,想要学习课程 0,你须要先实现课程 1,咱们用一个匹配来示意他们:[0,1]

给定课程总量以及它们的先决条件,请你判断是否可能实现所有课程的学习?

示例 1:

输出: 2, [[1,0]]
输入: true
解释: 总共有 2 门课程。学习课程 1 之前,你须要实现课程 0。所以这是可能的。

示例 2:

输出: 2, [[1,0],[0,1]]
输入: false
解释: 总共有 2 门课程。学习课程 1 之前,你须要先实现​课程 0;并且学习课程 0 之前,你还应先实现课程 1。这是不可能的。

提醒:

  1. 输出的先决条件是由 边缘列表 示意的图形,而不是 邻接矩阵。详情请参见图的表示法。
  2. 你能够假设输出的先决条件中没有反复的边。
  3. 1 <= numCourses <= 10^5

解题思路


思路:拓扑排序(BFS,DFS)

其实,这是一道经典的【拓扑排序】问题。

首先先审题,联合示例 1 和示例 2,咱们其实能够看到,其实题目问的是给定输出先决条件示意的图形(也就是课程表)是否是有向无环图。也是说,当确定先决条件之后,图形不能存在环,否则不成立。

有向无环图(DAG):指的一个有向图从任意顶点登程无奈通过若干条边回到该点,则该图是一个有向无环图。

有向无环图,详细信息可由下方入口进行理解
https://en.wikipedia.org/wiki/Directed_acyclic_graph(维基百科:有向无环图)
https://baike.baidu.com/item/%E6%9C%89%E5%90%91%E6%97%A0%E7%8E%AF%E5%9B%BE/10972513?fr=aladdin(百度百科:有向无环图)

那么当要求课程安顿图是否是有向无环图时,咱们用拓扑排序来判断。拓扑排序:将图所有顶点进行排序成线性序列,使得图中任意一个有向边 uv,u 在线性序列中呈现在 v 后面。

拓扑排序,详细信息可由下方入口进行理解
https://en.wikipedia.org/wiki/Topological_sorting(维基百科:拓扑排序)
https://baike.baidu.com/item/%E6%8B%93%E6%89%91%E6%8E%92%E5%BA%8F/5223807?fr=aladdin(百度百科:拓扑排序)

在题目中的提醒中有阐明,输出的先决条件时由 边缘列表 示意,在这里,咱们要将此转换为 邻接表

邻接表,详细信息可由下方入口进行理解
https://en.wikipedia.org/wiki/Adjacency_list(维基百科:邻接表)
https://baike.baidu.com/item/%E9%82%BB%E6%8E%A5%E8%A1%A8/9796152?fr=aladdin(百度百科:邻接表)

广度优先搜寻(BFS)

首先,先将边缘列表示意的先决条件转换失去邻接表。而后统计图中每个节点的入度状况,存储在一个列表中。(当入度为 0 时,示意点不作为任何边的起点,也就说该点是所有连贯边的终点)

在这里,定义辅助队列 queue,将所有入度为 0 的节点存入队列中,用于后续解决。

开始进行搜寻,令队列中的节点出队:

  • 将以后节点邻接节点入度减 1;
  • 当邻接节点入度为 0 时,将其入队。

当队列中的节点出队时,令课程总量减 1:

  • 如果课程图是有向无环图,若实现拓扑排序,那么所有的节点都会入队出队;
  • 若是课程图存在环,那么肯定存在节点入度不为 0 的状况;
  • 也就是说,当所有节点入队出队后,课程总量为 0 的状况下,也就能证实课程图是否是有向无环图。

具体的代码见【代码实现 # 广度优先搜寻】

深度优先搜寻(DFS)

咱们先看应用深度优先搜寻的思路来判断图是否有环。

在这里,咱们借助一个辅助列表(当然也能够思考用栈)标记每个节点的状态:

  • 未标记,令此时状态为 0;
  • 长期标记,令此时状态为 1;
  • 永恒标记,令此时状态为 -1。

开始对每个节点进行深度优先搜寻,当存在环时,返回 False,执行过程如下:

  • 当节点状态为 -1 时,示意已永恒标记,此时已搜寻结束,不许反复搜寻,间接返回 True;
  • 当节点状态为 1 时,示意长期标记,也就说此节点,在此次深搜中又一次对该节点进行了搜寻,那么示意图中存在环,那么间接返回 False;
  • 当状态为 0 时,先将节点长期标记(令状态为 1),而后以此点持续搜寻,直至遇到终止条件。
  • 当节点搜寻结束,未发现闭环,则去除长期标记,将节点进行永恒标记(令状态为 -1)

如果所有节点都搜寻结束后,不存在环,则返回 True。

具体的代码见【代码实现 # 深度优先搜寻】

代码实现


# 广度优先搜寻
class Solution:
    def canFinish(self, numCourses: int, prerequisites: List[List[int]]) -> bool:
        from collections import deque

        # 将边缘列表示意的先决条件转化为 邻接表
        adjacency = [[] for _ in range(numCourses)]
        # 定义列表统计图中每个节点的入度状况
        indegree = [0] * numCourses

        for info in prerequisites:
            adjacency[info[1]].append(info[0])
            indegree[info[0]] += 1
        
        queue = deque()

        # 将入度为 0 的节点入队
        for i in range(len(indegree)):
            if not indegree[i]:
                queue.append(i)
        # 开始进行搜寻
        while queue:
            u = queue.popleft()
            numCourses -= 1
            # 搜寻邻接节点
            for v in adjacency[u]:
                # 将邻接节点入度减 1
                indegree[v] -= 1
                # 如果入度为 0,入队
                if indegree[v] == 0:
                    queue.append(v)

        return numCourses == 0

# 深度优先搜寻
class Solution:
    def canFinish(self, numCourses: int, prerequisites: List[List[int]]) -> bool:
        def dfs(adjacency, sign, i):
            if sign[i] == -1:
                return True
            if sign[i] == 1:
                return False
            # 开始搜寻,先进行长期标记
            sign[i] = 1
            # 以此节点往下搜寻
            for j in adjacency[i]:
                if not dfs(adjacency, sign, j):
                    return False
            sign[i] = -1
            return True

        # 定义辅助列表标记状态,初始化为 0,示意未标记
        sign = [0] * numCourses
        # 将边缘列表示意的先决条件转化为 邻接表
        adjacency = [[] for _ in range(numCourses)]
        for info in  prerequisites:
            adjacency[info[1]].append(info[0])
        
        # 开始深搜
        for i in range(numCourses):
            if not dfs(adjacency, sign, i):
                return False
        return True

实现后果


欢送关注


公众号【书所集录】

退出移动版