【ps】本篇有 3 道 leetcode OJ。
目录
一、算法简介
二、相关例题
1）课程表
.1- 题目解析
.2- 代码编写
2）课程表 II
.1- 题目解析
.2- 代码编写
3）火星词典
.1- 题目解析
.2- 代码编写
一、算法简介
【补】图的基本概念
（1）图是由顶点集合及顶点间的关系组成的一种数据结构：G = (V， E)，其中：
- 顶点集合V = {x|x属于某个数据对象集}是有穷非空集合；
- E = {(x,y)|x,y属于V}或者E = {<x, y>|x,y属于V && Path(x, y)}是顶点间关系的有穷集合，也叫做边的集合。
- (x, y)表示x到y的一条双向通路，即(x, y)是无方向的；Path(x, y)表示从x到y的一条单向通路，即Path(x, y)是有方向的。
- 顶点和边：图中结点称为顶点，第i个顶点记作vi。两个顶点vi和vj相关联称作顶点vi和顶点vj之间有一条边，图中的第k条边记作ek，ek = (vi，vj)或<vi，vj>。
- 有向图和无向图：在有向图中，顶点对<x, y>是有序的，顶点对<x，y>称为顶点x到顶点y的一条边(弧)，<x, y>和<y, x>是两条不同的边，比如下图G3和G4为有向图。在无向图中，顶点对(x, y)是无序的，顶点对(x,y)称为顶点x和顶点y相关联的一条边，这条边没有特定方向，(x, y)和(y，x)是同一条边，比如下图G1和G2为无向图。注意：无向边(x, y)等于有向边<x, y>和<y, x>。
（2）入度和出度
图中的度：所谓顶点的度(degree)，就是指和该顶点相关联的边数。在有向图中，度又分为入度和出度。
- 入度 (in-degree) ：以某顶点为弧头，终止于该顶点的边的数目称为该顶点的入度。
- 出度 (out-degree) ：以某顶点为弧尾，起始于该顶点的弧的数目称为该顶点的出度。
（3）邻接表
邻接表存储方法跟树的孩子链表示法相类似，是一种顺序分配和链式分配相结合的存储结构。如这个表头结点所对应的顶点存在相邻顶点，则把相邻顶点依次存放于表头结点所指向的单向链表中。
- 在有向图中，描述每个点向别的节点连的边（“点 a->点 b”这种情况）。
- 在无向图中，描述每个点所有的边(“点 a-点 b”这种情况)
（4）有向图邻接表存储
拓扑排序简单来说就是找到做事情的先后顺序（但拓扑排序的结果可能不是唯一的）。
一个较大的工程往往被划分成许多子工程，我们把这些子工程称作活动（activity）。在整个工程中，有些子工程（活动）必须在其它有关子工程完成之后才能开始，也就是说，一个子工程的开始是以它的所有前序子工程的结束为先决条件的，但有些子工程没有先决条件，可以安排在任何时间开始。为了形象地反映出整个工程中各个子工程（活动）之间的先后关系，可用一个有向图来表示，图中的顶点代表活动（子工程），图中的有向边代表活动的先后关系，即有向边的起点的活动是终点活动的前序活动，只有当起点活动完成之后，其终点活动才能进行。通常，我们把这种顶点表示活动、边表示活动间先后关系的有向图称做顶点活动网（Activity On Vertex network），简称 AOV 网。
在 AOV 网中，若不存在回路，则所有活动可排列成一个线性序列，使得每个活动的所有前驱活动都排在该活动的前面，我们把此序列叫做拓扑序列（Topological order），由 AOV 网构造拓扑序列的过程叫做拓扑排序（Topological sort）。AOV 网的拓扑序列不是唯一的，满足上述定义的任一线性序列都称作它的拓扑序列。
对于有向图的拓扑排序，我们可以使用如下思路输出拓扑序（BFS 方式）：
- 起始时，将所有入度为 0 的节点进行入队（入度为 0，说明没有边指向这些节点，将它们放到拓扑排序的首部，不会违反拓扑序定义）。
- 从队列中进行节点出队操作，出队序列就是对应我们输出的拓扑序。对于当前弹出的节点 x，遍历 x 的所有出度y，即遍历所有由 x 直接指向的节点 y，对 y 做入度减一操作（因为 x 节点已经从队列中弹出，被添加到拓扑序中，等价于 x 节点从有向图中被移除，相应的由 x 发出的边也应当被删除，带来的影响是与 x 相连的节点 y 的入度减一）。
- 对 y 进行入度减一之后，检查 y 的入度是否为 0，如果为 0 则将y入队（当y的入度为0，说明有向图中在y前面的所有的节点均被添加到拓扑序中，此时 可以作为拓扑序的某个片段的首部被添加，而不是违反拓扑序的定义）。
- 循环流程 2、3 直到队列为空。
至于如何建图，请见下文例题。
二、相关例题
1）课程表
207. 课程表
.1- 题目解析
不难看出，这些课程可以构成一个有向无环图，本题其实在问，这些课程构成的有向无环图中是否有环，换句话说，是否可以进行拓扑排序。
那么，用 BFS 来实现拓扑排序即可。
.2- 代码编写
class Solution {
public:
bool canFinish(int n, vector<vector<int>>& prerequisites) {
unordered_map<int,vector<int>> edges; //用容器（邻接表）建图
vector<int> in(n); //标识每一个点的入度
//1.遍历原始数组建图
for(auto& e:prerequisites)
{
int a=e[0],b=e[1]; //b -> a
edges[b].push_back(a); //把b指向a的这条边添加入邻接表
in[a]++; //统计入度
}
//2.BFS实现拓扑排序
queue<int> q;
//1）把所有入度为0的点入队
for(int i=0;i<n;i++)
{
if(in[i]==0)q.push(i);
}
//2）进行BFS
while(q.size())
{
int t=q.front();q.pop();
for(int a: edges[t]) //遍历t连接的点
{
in[a]--; //修改点的入度，相当于删除点
if(in[a]==0)q.push(a); //继续将入度为0的点入队
}
}
//3，判断是否有环
for(int i=0;i<n;i++)
if(in[i])return false;//拓扑排序之后，每个点的入度都应为0
return true;
}
};2）课程表 II
210. 课程表 II
.1- 题目解析
本题与上道题类似，也是用 BFS 实现拓扑排序，但与上道题判断是否有环不同，本题返回的是拓扑排序的一种结果。
.2- 代码编写
class Solution {
public:
vector<int> findOrder(int numCourses, vector<vector<int>>& prerequisites) {
vector<vector<int>> edges(numCourses);//用容器（邻接表）存图
vector<int> in(numCourses); //统计入度
//1.建图
for(auto& v:prerequisites)
{
int a=v[0],b=v[1]; // b -> a
edges[b].push_back(a);
in[a]++;
}
//2.BFS实现拓扑排序
queue<int> q;
vector<int> ret;
for(int i=0;i<numCourses;i++)
{
if(in[i]==0)q.push(i);
}
while(q.size())
{
int t=q.front();q.pop();
ret.push_back(t);//记录拓扑排序的结果
for(int a:edges[t])
{
in[a]--;
if(in[a]==0)q.push(a);
}
}
if(ret.size()==numCourses)return ret;
else return {};
}
};3）火星词典
LCR 114. 火星词典
.1- 题目解析
本题是在问，判断有向图是否有环，因此可以用 BFS 实现拓扑排序来解决。
特别的，如何搜集信息（如何建图）？——
- 两层 for 循环枚举出所有的两个字符串的组合。
- 利用指针，根据字典序规则找出信息。
.2- 代码编写
class Solution {
unordered_map<char,unordered_set<char>> edges;//用容器（邻接表）存图
unordered_map<char,int> in; //统计入度
bool check; //处理边界情况
public:
string alienOrder(vector<string>& words) {
//1.建图+初始化入度哈希表
for(auto& s:words)
for(auto ch:s)
in[ch]=0;
//2.搜集信息
int n=words.size();
for(int i=0;i<n;i++)
for(int j=i+1;j<n;j++)
{
add(words[i],words[j]);//添加信息
if(check)//处理边界情况
return "";
}
//3.拓扑排序
queue<char> q;
for(auto& [a,b]:in)
{
if(b==0)q.push(a);
}
string ret; //统计结果
while(q.size())
{
char t=q.front();q.pop();
ret+=t;
for(char ch:edges[t])
{
if(--in[ch]==0)q.push(ch);
}
}
//4.判断是否有环
for(auto& [a,b]:in)
if(b!=0)return "";
return ret;
}
void add(string& s1,string& s2)
{
int n=min(s1.size(),s2.size());
int i=0;
for(;i<n;i++)
{
if(s1[i]!=s2[i])
{
char a=s1[i],b=s2[i]; //a -> b
if(!edges.count(a) || !edges[a].count(b)) //a没有存过，或a存过但a里没存过b的信息
{
edges[a].insert(b);
in[b]++;
}
break;
}
}
if(i==s2.size() && i<s1.size())//s1的长度大于s2，就无需进行拓扑排序了
check=true;
}
};
