图、图的遍历及图的拓扑排序

简介: 图、图的遍历及图的拓扑排序


链表、树、图的关系

链表是特殊化的树

树是特殊化的图

  • N个点N-1条边的连通无向图——树
  • N个点N条边的连通无向图——基环树

图的存储

定义

  • 邻接矩阵O(n2): int graph[MAX_N][MAX_N];
  • 出边数组o(n+m): vector graph[MAX_N];
  • 邻接表O(n+m): struct Node { int to; Node* next; };
Node* head[MAX_N];

新增边(x,y)

  • 邻接矩阵: graph[x][y]= 1;
  • 出边数组:graph[x].push_back(y);
  • 邻接表: Node* node = new Node();
node->to = y;
node->next = head[x];
head[x]=node;

图的遍历

深度优先遍历

  • 划分连通块

广度优先遍历

  • 拓扑排序

图的深度优先遍历

图的广度优先遍历

实战

207.课程表

https://leetcode.cn/problems/course-schedule/

两种做法:

  • 深度优先遍历–找环
  • 广度优先遍历–拓扑排序
class Solution {
public:
    bool canFinish(int numCourses, vector<vector<int>>& prerequisites) {
        to = vector<vector<int>>(numCourses, vector<int>());
        inDeg = vector<int>(numCourses, 0);
        for(vector<int>& pre : prerequisites) {
            int ai = pre[0];
            int bi = pre[1];
            to[bi].push_back(ai);
            inDeg[ai]++;
        }
        queue<int> q;
        for(int i = 0; i < numCourses; i++) {
            if(inDeg[i] == 0) q.push(i);
        }
        vector<int> lessons;
        while(!q.empty()) {
            int x = q.front();
            q.pop();
            lessons.push_back(x);
            for(int y : to[x]){
                inDeg[y]--;
                if(inDeg[y] == 0) {
                    q.push(y);
                }
            }
        }
        return lessons.size() == numCourses;
    }
private:
    vector<vector<int>> to;
    vector<int> inDeg;
};

210.课程表Ⅱ

https://leetcode.cn/problems/course-schedule-ii/

class Solution {
private:
    vector<vector<int>> edge;
    vector<int> degree;
    vector<int> ans;
public:
    vector<int> findOrder(int numCourses, vector<vector<int>>& prerequisites) {
        edge.resize(numCourses);
        degree.resize(numCourses);
        queue<int> q;
        for(auto tmp:prerequisites)
        {
            edge[tmp[1]].push_back(tmp[0]);
            degree[tmp[0]]++;
        }
        for(int i=0;i<numCourses;i++)
        {
            if(degree[i]==0)
            {
                q.push(i);
                ans.push_back(i);
            }
        }
        while(!q.empty())
        {
            int cur=q.front();
            q.pop();
            for(auto tmp:edge[cur])
            {
                degree[tmp]--;
                if(degree[tmp]==0)
                {
                    q.push(tmp);
                    ans.push_back(tmp);
                }
            }
        }
        if(ans.size()<numCourses)
        {
            return {};
        }
        return ans;
    }
};

684.冗余连接

https://leetcode.cn/problems/redundant-connection/

数据实际上是一棵基环树

深度优先遍历找环,环上删除一条边

class Solution {
public:
    vector<int> findRedundantConnection(vector<vector<int>>& edges) {
        n = 0;
        for(vector<int>& edge : edges) {
            int x = edge[0];
            int y = edge[1];
            n = max(n, max(x, y));
        }
        to = vector<vector<int>>(n + 1, vector<int>());
        visited = vector<bool>(n + 1, false);
        for(vector<int>& edge : edges) {
            int x = edge[0];
            int y = edge[1];
            to[x].push_back(y);
            to[y].push_back(x);
            hasCycle = false;
            for(int i = 1; i <= n; i++) visited[i] = false;
            dfs(x, 0);
            if(hasCycle) return edge;
        }
        return {};
    }
private:
    void dfs(int x, int fa) {
        visited[x] = true;
        for(int y : to[x]) {
            if(y == fa) continue;
            if(!visited[y]) dfs(y, x);
            else hasCycle = true;
        }
    }
    int n;
    vector<vector<int>> to;
    vector<bool> visited;
    bool hasCycle;
};

685.冗余连接Ⅱ

https://leetcode.cn/problems/redundant-connection-ii/

class Solution {
public:
    int find(int x){return parent[x]==x?x:find(parent[x]);}
    //void merge(int x,int y){ 正常并查集是需要单独一个merge函数的,但由于我们这里是树状的,可以省掉这个函数
    //    parent[x] = y;
    //}
    vector<int>parent;
    vector<int> findRedundantDirectedConnection(vector<vector<int>>& edges) {
        parent.resize(edges.size()+1);
        for(int i=0;i<parent.size();i++) parent[i] = i;
        int conflict = -1;
        int cycle = -1;
        for(int i = 0;i<edges.size();i++){
            int a = edges[i][0];
            int b = edges[i][1];//此时a指向b  b要认a为父亲
            if(parent[b] != b)//冲突 b的父亲早就不是自己了
            {
                conflict = i;//找到了后一条冲突边
            }
            else
            {
                if(find(a) == find(b))//有循环,即能够查找到相同的祖先
                {
                    cycle = i;//记录出现循环的边
                }
                else parent[b] = a;//都不是的情况就让b的父节点是a
            }
        }
        //根据情况判断
        if(conflict < 0){//没有冲突边  纯循环,那么最后导致出现循环的边就是答案
            return vector<int>{edges[cycle][0],edges[cycle][1]};
        }
        else if(cycle >= 0){//有冲突边,也有循环边,那么除了冲突的的另一个父亲分支有问题
            auto c = edges[conflict];
            return vector<int>{parent[c[1]],c[1]};
        }
        else if(cycle < 0){//只有冲突边
            auto c = edges[conflict];
            return vector<int>{edges[conflict][0],edges[conflict][1]};
        }
        return {};
    }
};

推荐一个零声学院免费公开课程,个人觉得老师讲得不错,分享给大家:Linux,Nginx,ZeroMQ,MySQL,Redis,fastdfs,MongoDB,ZK,流媒体,CDN,P2P,K8S,Docker,TCP/IP,协程,DPDK等技术内容,立即学习

相关文章
数据结构实验之图论二:图的深度遍历
数据结构实验之图论二:图的深度遍历
|
存储 算法
图的广度优先遍历和深度优先遍历
本文主要是学习图的广度优先遍历和图的深度优先遍历
165 1
|
存储
图操作之邻接矩阵与邻接表的深度优先遍历
图操作之邻接矩阵与邻接表的深度优先遍历
177 0
|
存储 机器学习/深度学习 算法
【数据结构与算法】图的基本概念 | 邻接矩阵和邻接表 | 广度优先遍历和深度优先遍历
【数据结构与算法】图的基本概念 | 邻接矩阵和邻接表 | 广度优先遍历和深度优先遍历
【数据结构与算法】图的基本概念 | 邻接矩阵和邻接表 | 广度优先遍历和深度优先遍历
|
算法
回溯法——图m染色问题
回溯法——图m染色问题
208 0
|
存储 算法 搜索推荐
C++实现图 - 05 拓扑排序
今天来讲另一个非常重要的知识点 —— 拓扑排序。咋一看好像是一个排序算法,然而它和排序扯不上半点关系,它可以用于判断我们的图中是否存在有向环。
610 0
C++实现图 - 05 拓扑排序
|
存储 算法 C++
C++实现图 - 03 最小生成树
这一讲来讲一个图中非常重要的内容 —— 最小生成树,在此之前我们先来回顾一下生成树的概念。
226 0
C++实现图 - 03 最小生成树
|
存储 算法
图的广度优先搜索和深度优先搜索(邻接链表表示)
邻接表表示法将图以邻接表(adjacency lists)的形式存储在计算机中。所谓图的邻接表,也就是图的所有节点的邻接表的集合;而对每个节点,它的邻接表就是它的所有出弧。邻接表表示法就是对图的每个节点,用一个单向链表列出从该节点出发的所有弧,链表中每个单元对应于一条出弧。为了记录弧上的权,链表中每个单元除列出弧的另一个端点外,还可以包含弧上的权等作为数据域。图的整个邻接表可以用一个指针数组表示。例如下图所示,邻接表表示为
224 0
图的广度优先搜索和深度优先搜索(邻接链表表示)