【图论】【拓扑排序】1857. 有向图中最大颜色值

简介: 【图论】【拓扑排序】1857. 有向图中最大颜色值

本文涉及的知识点

图论 拓扑排序

LeetCode1857. 有向图中最大颜色值

给你一个 有向图 ,它含有 n 个节点和 m 条边。节点编号从 0 到 n - 1 。

给你一个字符串 colors ,其中 colors[i] 是小写英文字母,表示图中第 i 个节点的 颜色 (下标从 0 开始)。同时给你一个二维数组 edges ,其中 edges[j] = [aj, bj] 表示从节点 aj 到节点 bj 有一条 有向边 。

图中一条有效 路径 是一个点序列 x1 -> x2 -> x3 -> … -> xk ,对于所有 1 <= i < k ,从 xi 到 xi+1 在图中有一条有向边。路径的 颜色值 是路径中 出现次数最多 颜色的节点数目。

请你返回给定图中有效路径里面的 最大颜色值 。如果图中含有环,请返回 -1 。

示例 1:

输入:colors = “abaca”, edges = [[0,1],[0,2],[2,3],[3,4]]

输出:3

解释:路径 0 -> 2 -> 3 -> 4 含有 3 个颜色为 “a” 的节点(上图中的红色节点)。

示例 2:

输入:colors = “a”, edges = [[0,0]]

输出:-1

解释:从 0 到 0 有一个环。

提示:

n == colors.length

m == edges.length

1 <= n <= 105

0 <= m <= 105

colors 只含有小写英文字母。

0 <= aj, bj < n

拓扑排序

建立后邻接表后,直接调用拓扑排序的封装类。

拓扑排序保证排除已经处理节点后,当前节点的出度为0。也就是当前 节点 能够到达的节点都已经处理。这保证无后效性。

每个节点。

如果拓扑排序没有处理完所有节点,说明有环。

m_vLen[cur][i] 表示以cur开始的路径中最多有多少个’a’+i。

时间复杂度: 每个节点最多处理一次,每次处理,处理它所有的临接表。故时间复杂度:O(E)。E是边数。

代码

class CNeiBo
{
public: 
  static vector<vector<int>> Two(int n, vector<vector<int>>& edges, bool bDirect, int iBase = 0) 
  {
    vector<vector<int>>  vNeiBo(n);
    for (const auto& v : edges)
    {
      vNeiBo[v[0] - iBase].emplace_back(v[1] - iBase);
      if (!bDirect)
      {
        vNeiBo[v[1] - iBase].emplace_back(v[0] - iBase);
      }
    }
    return vNeiBo;
  } 
  static vector<vector<std::pair<int, int>>> Three(int n, vector<vector<int>>& edges, bool bDirect, int iBase = 0)
  {
    vector<vector<std::pair<int, int>>> vNeiBo(n);
    for (const auto& v : edges)
    {
      vNeiBo[v[0] - iBase].emplace_back(v[1] - iBase, v[2]);
      if (!bDirect)
      {
        vNeiBo[v[1] - iBase].emplace_back(v[0] - iBase, v[2]);
      }
    }
    return vNeiBo;
  }
  static vector<vector<int>> Grid(int rCount, int cCount, std::function<bool(int, int)> funVilidCur, std::function<bool(int, int)> funVilidNext)
  {
    vector<vector<int>> vNeiBo(rCount * cCount);
    auto Move = [&](int preR, int preC, int r, int c)
    {
      if ((r < 0) || (r >= rCount))
      {
        return;
      }
      if ((c < 0) || (c >= cCount))
      {
        return;
      }
      if (funVilidCur(preR, preC) && funVilidNext(r, c))
      {
        vNeiBo[cCount * preR + preC].emplace_back(r * cCount + c);
      }
    };
    for (int r = 0; r < rCount; r++)
    {
      for (int c = 0; c < cCount; c++)
      {
        Move(r, c, r + 1, c);
        Move(r, c, r - 1, c);
        Move(r, c, r, c + 1);
        Move(r, c, r, c - 1);
      }
    }
    return vNeiBo;
  }
  static vector<vector<int>> Mat(vector<vector<int>>& neiBoMat)
  {
    vector<vector<int>> neiBo(neiBoMat.size());
    for (int i = 0; i < neiBoMat.size(); i++)
    {
      for (int j = i + 1; j < neiBoMat.size(); j++)
      {
        if (neiBoMat[i][j])
        {
          neiBo[i].emplace_back(j);
          neiBo[j].emplace_back(i);
        }
      }
    }
    return neiBo;
  }
};
class CTopSort
{
public: 
  void Init(const vector<vector<int>>& vNeiBo)
  {
    m_c = vNeiBo.size();
    m_vBackNeiBo.resize(m_c);
    vector<int> vOutDeg(m_c);
    for (int cur = 0; cur < m_c; cur++)
    {
      vOutDeg[cur] = vNeiBo[cur].size();  
      for (const auto& next : vNeiBo[cur])
      {
        m_vBackNeiBo[next].emplace_back(cur);
      }
    }
    queue<int> que;
    for (int i = 0; i < m_c; i++)
    {
      if (0 == vOutDeg[i])
      {
        que.emplace(i);
        m_vLeaf.emplace_back(i);
        OnDo(-1, i);
      }
    }
    while (que.size())
    {
      const int cur = que.front();
      que.pop();
      for (const auto& next : m_vBackNeiBo[cur])
      {
        vOutDeg[next]--;
        if (0 == vOutDeg[next])
        {
          que.emplace(next);
          OnDo(cur, next);
        }
      }
    };
  }
  int m_c;
  vector<int> m_vLeaf;
protected:
  virtual void OnDo(int pre, int cur) = 0;
  vector<vector<int>> m_vBackNeiBo;
};
class CMyTopSort : public CTopSort
{
public:
  int Do(string& str, vector<vector<int>>& edges)
  {
    m_str = str;
    m_vLen.assign(str.length(), vector<int>(26));
    m_vNeiBo = CNeiBo::Two(str.length(),edges,true);
    CTopSort::Init(m_vNeiBo);
    if (m_iHasDo < m_c)
    {
      return -1;
    }
    int iMax = 0;
    for (const auto& v : m_vLen)
    {
      iMax = max(iMax, *std::max_element(v.begin(), v.end()));
    }
    return iMax;
  }
  vector<vector<int>> m_vLen;
protected:
  // 通过 CTopSort 继承
  virtual void OnDo(int pre, int cur) override
  {
    m_iHasDo++;
    for (int i = 0; i < 26; i++)
    {
      m_vLen[cur][i] = ('a' + i == m_str[cur]);
      int iMax = 0;
      for (const auto& next : m_vNeiBo[cur])
      {
        iMax = max(iMax, m_vLen[next][i]);
      }
      m_vLen[cur][i] += iMax;
    }
  }
  vector<vector<int>> m_vNeiBo;
  string m_str; 
  int m_iHasDo = 0;
};
class Solution {
public:
  int largestPathValue(string colors, vector<vector<int>>& edges) {
    CMyTopSort top;
    return top.Do(colors, edges);
  }
};

测试用例

template<class T, class T2>
void Assert(const T& t1, const T2& t2)
{
  assert(t1 == t2);
}
template<class T>
void Assert(const vector<T>& v1, const vector<T>& v2)
{
  if (v1.size() != v2.size())
  {
    assert(false);
    return;
  }
  for (int i = 0; i < v1.size(); i++)
  {
    Assert(v1[i], v2[i]);
  }
}
int main()
{
  string colors;
  vector<vector<int>> edges;
  {
    Solution sln;
    colors = "abaca", edges = { {0,1},{0,2},{2,3},{3,4} };
    auto res = sln.largestPathValue(colors, edges);
    Assert(3, res);
  }
  {
    Solution sln;
    colors = "a", edges = { {0,0} };
    auto res = sln.largestPathValue(colors, edges);
    Assert(-1, res);
  }
}


扩展阅读

视频课程

有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。

https://edu.csdn.net/course/detail/38771

如何你想快

速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程

https://edu.csdn.net/lecturer/6176

相关

下载

想高屋建瓴的学习算法,请下载《喜缺全书算法册》doc版

https://download.csdn.net/download/he_zhidan/88348653

我想对大家说的话
闻缺陷则喜是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙,那算法就是他的是睛

测试环境

操作系统:win7 开发环境: VS2019 C++17

或者 操作系统:win10 开发环境: VS2022 C++17

如无特殊说明,本算法用**C++**实现。

相关文章
|
4月前
|
NoSQL 容器 消息中间件
图、图的遍历及图的拓扑排序
图、图的遍历及图的拓扑排序
|
算法 Java
利用Dijkstra算法求顶点v1到其他各顶点的最短路径Java实现
利用Dijkstra算法求顶点v1到其他各顶点的最短路径Java实现
90 0
利用Dijkstra算法求顶点v1到其他各顶点的最短路径Java实现
|
算法
狄克斯特拉(Dijkstra)算法求一个顶点到其余各个顶点的最短路径
狄克斯特拉(Dijkstra)算法求一个顶点到其余各个顶点的最短路径
108 0
|
机器学习/深度学习
有向图,无向图的邻接矩阵和邻接表模板
有向图,无向图的邻接矩阵和邻接表模板
152 0
有向图,无向图的邻接矩阵和邻接表模板
|
机器学习/深度学习 存储
图的遍历 无向图深搜 宽搜
图的遍历 无向图深搜 宽搜
图的遍历 无向图深搜 宽搜
|
算法
无向图邻接表(深度优先算法)
无向图邻接表(深度优先算法)
105 0
|
算法
图的最小生成树——Kruskal算法
Kruskal算法的思想如下 假设有n个顶点的连通图。首先先构造有顶点构成的集合0,每个顶点都是一个集合,不含有任何边。 在边找一个最小权值的边 判断这个边的俩个顶点是否来自于两个不同的集合,若是就将它俩归并为一个集合,然后将这个边添加到要构成的图的集合中。
5191 0