写在最前面
刷一道力扣热题100吧
难度中等
https://leetcode.cn/problems/course-schedule/?envType=study-plan-v2&envId=top-100-liked
207. 课程表
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 。
示例 1：
输入：numCourses = 2, prerequisites = [[1,0]]
输出：true
解释：总共有 2 门课程。学习课程 1之前，你需要完成课程 0 。这是可能的。
示例 2：
输入：numCourses = 2, prerequisites = [[1,0],[0,1]]
输出：false
解释：总共有 2 门课程。学习课程 1 之前，你需要先完成课程 0 ；并且学习课程 0 之前，你还应先完成课程 1 。这是不可能的。
提示：
1 <= numCourses <= 2000
0 <= prerequisites.length <= 5000
prerequisites[i].length == 2
0 <= ai, bi < numCourses
prerequisites[i] 中的所有课程对 互不相同
解决方案：判断是否可以完成所有课程的学习
本问题涉及到一个常见的图论问题，即检测有向图中是否存在循环。在这个场景中，课程可以被视为图的节点，而先修课程的要求可以被视为有向边。
我们的目标是：检查这个有向图是否包含一个循环。如果存在循环，意味着有些课程的先修要求彼此相互依赖，从而导致无法完成所有课程。
方法：拓扑排序
为了解决这个问题，我们可以使用拓扑排序。拓扑排序是一种对有向无环图（DAG）的顶点的线性排序，使得对于任何来自顶点 u 到顶点 v 的有向边，u 在排序中都出现在 v 之前。
如果我们在进行拓扑排序的过程中发现无法完成排序（即图中存在循环），那么就意味着无法完成所有课程的学习。
实现步骤
- 构建图：首先，我们需要构建图的表示。通常，这可以通过邻接表来实现。
- 计算入度：对于图中的每个节点（课程），计算进入该节点的边的数量，即该课程的先修课程数量。
- 初始化队列：创建一个队列，用于存放所有入度为0的节点（没有先修课程的课程）。
- 进行拓扑排序：
- 从队列中移除一个节点（课程），并将其添加到拓扑排序的结果中。
- 遍历从该节点出发的所有边，将与之相连的节点的入度减1。
- 如果某个相邻节点的入度变为0，则将其加入队列。
- 检查是否可以完成排序：如果排序的结果包含所有的课程，则返回 true；否则，返回 false。
Python 实现
下面是问题的 Python 实现，使用了拓扑排序的方法：
from collections import deque class Solution: def canFinish(self, numCourses: int, prerequisites: List[List[int]]) -> bool: # 构建图的邻接表表示和入度数组 adj_list = [[] for _ in range(numCourses)] indegree = [0] * numCourses for dest, src in prerequisites: adj_list[src].append(dest) indegree[dest] += 1 # 初始化队列 queue = deque([i for i in range(numCourses) if indegree[i] == 0]) visited = 0 # 拓扑排序 while queue: course = queue.popleft() visited += 1 for next_course in adj_list[course]: indegree[next_course] -= 1 if indegree[next_course] == 0: queue.append(next_course) # 检查是否所有课程都被访问过 return visited == numCourses
性能分析
- 时间复杂度：O(N + P)，其中 N 是课程数量，P 是先修课程对的数量。
- 空间复杂度：O(N + P)，用于存储图的邻接表和入度数组。
结论
使用拓扑排序，我们可以高效地确定是否可能完成所有课程的学习。
这种方法在计算机科学的许多领域，如任务调度、数据处理等，都有广泛的应用。
