拓扑排序详解(包含算法原理图解、算法实现过程详解、算法例题变式全面讲解等)

简介: 拓扑排序详解(包含算法原理图解、算法实现过程详解、算法例题变式全面讲解等)

前置知识

有向无环图

在图论中,如果一个有向图无法从某个顶点出发经过若干条边回到该点,则这个图是一个有向无环图(DAG图)。
如图所示。
在这里插入图片描述

入度

对于一个有向图,若x点指向y点,则称x点为y点的入度。

出度

对于一个有向图,若x点指向y点,则称y点为x点的出度。

队列

队列是一种特殊的线性表,特殊之处在于它只允许在表的前端(front)进行删除操作,而在表的后端(rear)进行插入操作,和栈一样,队列是一种操作受限制的线性表。进行插入操作的端称为队尾,进行删除操作的端称为队头。

我们可以用双指针标记一下,通过front指针与rear指针,对队头和队尾进行标记,然后只允许在front、rear指针的位置进行增删改查,那么这样便实现了对数组的受限。这是一种运用数组的数据结构对队列的模拟。初学者建议先用这种方式熟悉队列。

具体操作:

/*
    通常将front赋值为0,rear赋值为-1
    方便后续进队、出队以及取队首元素
 */
int a[100], front=0, rear=-1;

// 进队
a[++rear] = 10;

// 出队
front++

// 取队首元素
a[front]

// 取队尾元素
a[rear]

// 判断是否为空队
if(front > rear)
    cout << "该队列为空队";

不过,到了后期,为了节省时间,我们可以直接用c++自带的STL容器来完成操作。

具体操作如下:

// 导入queue包
#include<queue>

// 申明一个queue对象
// 填入你想装填的数据类型
queue<int> qu;

// 进队
int a = 10;
qu.push(a);

// 出队,无返回值
qu.pop();

// 取队首元素
int front = qu.front();

概述

今天我们来学拓扑排序
什么是拓扑排序呢?
百度百科这样说:

对一个有向无环图(Directed Acyclic Graph简称DAG)G进行拓扑排序,是将G中所有顶点排成一个线性序列,使得图中任意一对顶点u和v,若边∈E(G),则u在线性序列中出现在v之前。通常,这样的线性序列称为满足拓扑次序(Topological Order)的序列,简称拓扑序列。简单的说,由某个集合上的一个偏序得到该集合上的一个全序,这个操作称之为拓扑排序。

什么意思呢?

俗话说的好:

实践是真理的试金石

那么,就让我们举一个例子吧!
如图,1、2、3、4、5几个点组成了一个图。


那么,1,2,4,3,6,5或1,2,4,3,5,6就是它的拓扑序

但是,这是如何实现的呢?请看下面的算法原理

算法原理

下面我将使用图文结合的方式演示拓扑排序的算法原理。

还是上面那张图。

首先,将入度为0的入队。上图中是点1。

在这里插入图片描述
然后,用宽搜遍历队列
对每个点的每轮遍历步骤如下:

  • 将这个点出队,并加入拓扑数组中
  • 遍历这个点的所有出度
  • 将其出度点的入度数量减少一
  • 如果其出度点入度为0,入队

那么,一轮下来,就变成这样子了:
在这里插入图片描述
以此类推。

遍历到点3时,是这样的:
在这里插入图片描述
……

然后,就没有然后了,一切结束。
在这里插入图片描述
如图所示,其拓扑序为1,2,4,3,5,6。当然,也可以是1,2,4,3,6,5。

算法实现

这可以变为以下的问题。我称为拓扑排序元问题

给你一个有向无环图,请输出它的拓扑序(m条有向边,n个结点)

建图(邻接表存图)

首先,我们要建图
这里采用邻接表建图。
邻接表是什么?
以点为一个结点,用其邻接点建表

怎么这么朦胧?好吧,偷懒了,自己查百度……

看到这里,就默认你会了建图操作。那么,放一下代码。
(此处设定为m条有向边)

for(int i=1;i<=m;i++)
{
   
   
    int x,y;
    scanf("%d%d",&x,&y);
    rd[y]++;
    e[x].push_back(y);
}

rd[y]++ 是什么意思?请往后看。

入队

上面提到,首先,将入度为0的点入队。
那么,我们就遍历一遍n个点,当遇到入度为0的点时,入队。

如何判断入度为0?

这时前面的 rd数组 就有用了。它是用于统计入度数的。
而前面为何是rd[y]++?
因为是 x指向y,因此y入度数加1

入队操作

非常简单!这里为了省力,用了STL容器
只需要q.push(i)一下就可以了

代码

    queue<int>q;
    for(int i=1;i<=n;i++)
    {
   
   
        if(rd[i]==0) q.push(i);
        //入度为0,入队 
    }

核心部分

这部分的过程,我在前面是这样说的:

用宽搜遍历队列。
那就宽搜。

宽搜

没遍历到一个点,就将其弹出,并压入拓扑数组。

对每个点的操作

我在前面这样说:
对每个点的每轮遍历步骤如下:
1.将这个点出队,并加入拓扑数组中
2.遍历这个点的所有出度
3.将其出度点的入度数量减少一
4.如果其出度点入度为0,入队

那就照着做嘛。
很简单,实在看不懂代码中有注释。

代码

    while(!q.empty())
    {
   
   
        int x=q.front();
        q.pop();
        topu.push_back(x);//推入拓扑数组 
        for(auto y:e[x])
        {
   
   
            rd[y]--;//删掉一条边 
            if(rd[y]==0)//入度为0 
            {
   
   
                q.push(y);//入队 
            }
        }
    }

好,大功告成!

算法元代码

上面没看懂的话,看下面的代码,含有注释。

#include<bits/stdc++.h>
using namespace std;
const int NN=5005;
int n,m,rd[NN];
//rd[i]表示i点的入度数 
vector<int>e[NN],topu;
//e作为邻接表存储用,topu储存拓扑序 
void tuopu()
{
   
   
    queue<int>q;
    for(int i=1;i<=n;i++)
    {
   
   
        if(rd[i]==0) q.push(i);
        //入度为0,入队 
    }
    while(!q.empty())
    {
   
   
        int x=q.front();
        q.pop();
        topu.push_back(x);//推入拓扑数组 
        for(auto y:e[x])
        {
   
   
            rd[y]--;//删掉一条边 
            if(rd[y]==0)//入度为0 
            {
   
   
                q.push(y);//入队 
            }
        }
    }
}
int main()
{
   
   
    scanf("%d%d",&n,&m);
    for(int i=1;i<=m;i++)
    {
   
   
        int x,y;
        scanf("%d%d",&x,&y);
        rd[y]++;//x指向y,因此y入度数加1 
        e[x].push_back(y);//加边 
    }
    tuopu();
    for(auto x:topu)
    {
   
   
        printf("%d ",x);//输出拓扑序 
    }
}

总结

拓扑排序就是这回事:
首先,将入度为0的点入队。
然后,用宽搜遍历队列。
在此之后,对每个点进行如下操作:
1.将这个点出队,并加入拓扑数组中
2.遍历这个点的所有出度
3.将其出度点的入度数量减少一
4.如果其出度点入度为0,入队

下一篇文章,我将会详细讲解拓扑排序相关例题。
好,期待三连~~

相关文章
|
4月前
|
存储 算法 Java
解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用
在Java中,Set接口以其独特的“无重复”特性脱颖而出。本文通过解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用。
82 3
|
1月前
|
机器学习/深度学习 算法 PyTorch
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
软演员-评论家算法(Soft Actor-Critic, SAC)是深度强化学习领域的重要进展,基于最大熵框架优化策略,在探索与利用之间实现动态平衡。SAC通过双Q网络设计和自适应温度参数,提升了训练稳定性和样本效率。本文详细解析了SAC的数学原理、网络架构及PyTorch实现,涵盖演员网络的动作采样与对数概率计算、评论家网络的Q值估计及其损失函数,并介绍了完整的SAC智能体实现流程。SAC在连续动作空间中表现出色,具有高样本效率和稳定的训练过程,适合实际应用场景。
151 7
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
|
2月前
|
算法 Java 数据库
理解CAS算法原理
CAS(Compare and Swap,比较并交换)是一种无锁算法,用于实现多线程环境下的原子操作。它通过比较内存中的值与预期值是否相同来决定是否进行更新。JDK 5引入了基于CAS的乐观锁机制,替代了传统的synchronized独占锁,提升了并发性能。然而,CAS存在ABA问题、循环时间长开销大和只能保证单个共享变量原子性等缺点。为解决这些问题,可以使用版本号机制、合并多个变量或引入pause指令优化CPU执行效率。CAS广泛应用于JDK的原子类中,如AtomicInteger.incrementAndGet(),利用底层Unsafe库实现高效的无锁自增操作。
理解CAS算法原理
|
3月前
|
算法 容器
令牌桶算法原理及实现,图文详解
本文介绍令牌桶算法,一种常用的限流策略,通过恒定速率放入令牌,控制高并发场景下的流量,确保系统稳定运行。关注【mikechen的互联网架构】,10年+BAT架构经验倾囊相授。
令牌桶算法原理及实现,图文详解
|
2月前
|
存储 人工智能 缓存
【AI系统】布局转换原理与算法
数据布局转换技术通过优化内存中数据的排布,提升程序执行效率,特别是对于缓存性能的影响显著。本文介绍了数据在内存中的排布方式,包括内存对齐、大小端存储等概念,并详细探讨了张量数据在内存中的排布,如行优先与列优先排布,以及在深度学习中常见的NCHW与NHWC两种数据布局方式。这些布局方式的选择直接影响到程序的性能,尤其是在GPU和CPU上的表现。此外,还讨论了连续与非连续张量的概念及其对性能的影响。
87 3
|
3月前
|
机器学习/深度学习 人工智能 算法
探索人工智能中的强化学习:原理、算法与应用
探索人工智能中的强化学习:原理、算法与应用
|
3月前
|
负载均衡 算法 应用服务中间件
5大负载均衡算法及原理,图解易懂!
本文详细介绍负载均衡的5大核心算法:轮询、加权轮询、随机、最少连接和源地址散列,帮助你深入理解分布式架构中的关键技术。关注【mikechen的互联网架构】,10年+BAT架构经验倾囊相授。
5大负载均衡算法及原理,图解易懂!
|
3月前
|
缓存 算法 网络协议
OSPF的路由计算算法:原理与应用
OSPF的路由计算算法:原理与应用
93 4
|
3月前
|
存储 算法 网络协议
OSPF的SPF算法介绍:原理、实现与应用
OSPF的SPF算法介绍:原理、实现与应用
117 3
|
3月前
|
搜索推荐 算法 C语言
【排序算法】八大排序(下)(c语言实现)(附源码)
本文继续学习并实现了八大排序算法中的后四种:堆排序、快速排序、归并排序和计数排序。详细介绍了每种排序算法的原理、步骤和代码实现,并通过测试数据展示了它们的性能表现。堆排序利用堆的特性进行排序,快速排序通过递归和多种划分方法实现高效排序,归并排序通过分治法将问题分解后再合并,计数排序则通过统计每个元素的出现次数实现非比较排序。最后,文章还对比了这些排序算法在处理一百万个整形数据时的运行时间,帮助读者了解不同算法的优劣。
187 7