前言:
现在看官们对“拓扑排序算法应用”可能比较着重,姐妹们都需要剖析一些“拓扑排序算法应用”的相关内容。那么小编同时在网络上网罗了一些关于“拓扑排序算法应用””的相关文章,希望各位老铁们能喜欢,大家快快来学习一下吧!BFS 和 DFS 实现
DAG 的拓扑排序是其节点的部分线性排序,因此如果该图有一条从 u 指向 v 的边,则 u 应该放在 v 之前的排序中。部分排序在许多情况下非常有用。调度问题,依赖解决方案。
一些有用的图表术语
indegree - 指向它的边数。outdegree - 从顶点向外延伸的边数。Source Vertex — 没有边指向它的顶点。它的边缘只指向外面。Sink Vertex — 没有出边的顶点。它的边缘只指向它。
卡恩算法 (BFS)
脚步
将所有节点的入度存储在图中。识别入度为 0 的节点。将每个节点添加到将被迭代的队列中。当包含入度为 0 的节点的集合不为空时,删除一个节点。将节点存储在结果列表中。对于移除的每个节点,迭代其边缘,递减边缘上每个目标节点的入度。如果一个节点现在的入度为 0,则按照步骤 2 将其添加到队列和列表中。最后,返回每个节点附加到的列表。这将包含节点的拓扑排序。
代码实现
from collections import defaultdict class Graph: def __init__(self, vertices): self.graph = defaultdict(list) self.V = vertices def add_edge(self, u, v): self.graph[u-1].append(v-1) def topological_sort(self): in_degree = [0]*(self.V) visited = [0]*(self.V) for i in self.graph: for j in self.graph[i]: in_degree[j] += 1 top_order = [] queue = [] from heapq import heappush, heappop for i in range(self.V): if in_degree[i] == 0: heappush(queue, i) while queue: u = heappop(queue) if not visited[u]: top_order.append(u+1) for i in self.graph[u]: in_degree[i] -= 1 if in_degree[i] == 0: heappush(queue, i) visited[u] = 1 return top_order## Driver code A = 6B = [[6, 3], [6, 1], [5, 1], [5, 2], [3, 4], [4, 2]]graph = Graph(A)for u, v in B: graph.add_edge(u, v) res = graph.topological_sort()print(res) # [5, 6, 1, 3, 4, 2]
在上面的实现中,我使用了 heapq,因为我想确保结果在字典上是最小的,以防我们有多个订单。 另外,我使用了(u-1 和 v-1),因为我使用的是基于 1 的节点索引。
改进的深度优先搜索
脚步
从任何顶点开始并在其上调用 DFS 函数。继续沿着该路径遍历,直到找到一个没有进一步出边的节点。将其添加到拓扑排序中(我们将其插入堆栈中第 0 个索引处,否则我们将获得相反的顺序)。回溯到具有更多未访问后代的前一个节点。继续,直到您访问了所有节点。
代码实现
from collections import defaultdict class Graph: def __init__(self, vertices): self.graph = defaultdict(list) self.V = vertices def add_edge(self, u, v): self.graph[u-1].append(v-1) def helper(self,u,visited, res): visited[u] = True for i in self.graph[u]: if visited[i] == False: self.helper(i, visited, res) res.insert(0, u+1) def topological_sort(self): visited = [False]*self.V res =[] for i in reversed(range(self.V)): if visited[i] == False: self.helper(i, visited, res) return res## Driver codeA = 6B = [[6, 3], [6, 1], [5, 1], [5, 2], [3, 4], [4, 2]]graph = Graph(A)for u, v in B: graph.add_edge(u, v) res = graph.topological_sort()print(res) # [5, 6, 1, 3, 4, 2]
在上面的实现中,我使用了 reversed(range(self.V)) ,因为我想确保结果在字典上是最小的,以防我们有多个订单。
快乐编码!
关注七爪网,获取更多APP/小程序/网站源码资源!
标签: #拓扑排序算法应用