Python面试宝典第32题:课程表

题目

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。比如: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。

备注:prerequisites[i]中的所有课程对互不相同。

示例 1:

python 复制代码
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:

python 复制代码
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,还应先完成课程1。
这是不可能的。

深度优先搜索算法

这个问题描述了一个典型的图论问题,涉及到课程之间的依赖关系。要判断是否有可能完成所有课程的学习,我们需要检查是否存在环。如果有环存在,则意味着某些课程之间形成了一个闭环依赖,从而无法完成所有课程的学习。

深度优先搜索算法(DFS)是解决本问题的一种有效方法,可用于检测图中是否存在环。其基本思想为:使用DFS来遍历图中的所有节点,在遍历过程中,我们需要标记正在访问的节点,以检测环的存在;如果在访问过程中遇到一个已经在访问路径上的节点,那么就找到了一个环。如果所有节点都能被访问且没有环,则表示可以完成所有课程的学习。使用深度优先搜索算法求解本题的主要步骤如下。

1、构建一个邻接表来表示图结构。

2、对于每个节点,执行DFS并跟踪正在访问的节点。

3、如果在访问过程中,遇到已经存在于当前路径上的节点,则存在环。

4、如果所有节点都被访问过且没有发现环,则返回true。否则,返回false。

根据上面的算法步骤,我们可以得出下面的示例代码。

python 复制代码
def course_schedule_by_dfs(numCourses, prerequisites):
    def dfs(course, visiting):
        if visiting[course]:
            return False
        if visited[course]:
            return True
        
        # 标记当前节点正在访问
        visiting[course] = True
        for next_course in graph[course]:
            if not dfs(next_course, visiting):
                return False
        # 结束访问
        visiting[course] = False
        # 标记当前节点已被访问
        visited[course] = True
        return True
    
    # 构建邻接表
    graph = [[] for _ in range(numCourses)]
    # 标记每个节点是否被访问过
    visited = [False] * numCourses
    # 标记每个节点是否正在访问
    visiting = [False] * numCourses
    
    # 填充邻接表
    for course, prereq in prerequisites:
        graph[prereq].append(course)
    
    # 对于每个节点执行DFS
    for course in range(numCourses):
        if not dfs(course, visiting):
            return False
    
    return True

numCourses = 2
prerequisites = [[1, 0]]
print(course_schedule_by_dfs(numCourses, prerequisites))

numCourses = 2
prerequisites = [[1, 0], [0, 1]]
print(course_schedule_by_dfs(numCourses, prerequisites))

拓扑排序法

拓扑排序法是针对有向无环图 (DAG) 的一种排序方法,它将图中的所有顶点按照某种顺序排列,使得对于每条有向边u → v,顶点u在顶点v之前出现。如果一个图可以进行拓扑排序,则说明该图没有环。如果在排序过程中发现某个顶点的入度永远不能变为 0,则说明存在环。使用拓扑排序法求解本题的主要步骤如下。

1、构建一个邻接表来表示图结构。

2、计算每个节点的入度,即有多少条边指向该节点。

3、将所有入度为0的节点加入队列。

4、从队列中取出节点,将其添加到结果列表中,并减少其相邻节点的入度。

5、将入度变为0的节点加入队列。

6、重复步骤4和5,直到队列为空。

7、如果所有节点都被处理,则不存在环。否则,存在环。

根据上面的算法步骤,我们可以得出下面的示例代码。

python 复制代码
from collections import deque

def course_schedule_by_topsort(numCourses, prerequisites):
    # 构建邻接表
    graph = [[] for _ in range(numCourses)]
    # 计算每个节点的入度
    indegrees = [0] * numCourses
    
    # 填充邻接表并计算入度
    for course, prereq in prerequisites:
        graph[prereq].append(course)
        indegrees[course] += 1
    
    # 创建队列,将所有入度为0的节点加入队列
    queue = deque([node for node in range(numCourses) if indegrees[node] == 0])
    # 存储已完成的课程
    completed_courses = []
    
    # 处理队列中的节点
    while queue:
        prereq = queue.popleft()
        completed_courses.append(prereq)
        for course in graph[prereq]:
            indegrees[course] -= 1
            if indegrees[course] == 0:
                queue.append(course)
    
    # 如果所有课程都被完成,则返回True
    return len(completed_courses) == numCourses

numCourses = 2
prerequisites = [[1, 0]]
print(course_schedule_by_topsort(numCourses, prerequisites))

numCourses = 2
prerequisites = [[1, 0], [0, 1]]
print(course_schedule_by_topsort(numCourses, prerequisites))

总结

使用深度优先搜索算法求解本题的时间复杂度为O(V + E)。其中,V是顶点的数量(课程总数),E是边的数量(先修课程对的数量),每个顶点和每条边都会被访问一次。最坏情况下,递归栈的深度可以达到 V,因此空间复杂度为O(V)。深度优先搜索算法的优点是实现相对简单,但对于大规模数据集,递归可能导致栈溢出。

拓扑排序法的时间复杂度也为O(V + E),最坏情况下的空间复杂度为O(V + E),因为其需要额外的空间来存储邻接表和队列。拓扑排序法的优点是实现较为直观,易于理解,但实现稍微复杂一些,需要额外的入度计数和队列操作。

相关推荐
攻城狮7号27 分钟前
【第一节】Python爬虫基础-HTTP基本原理
爬虫·python·python爬虫
IT乐手28 分钟前
adb logcat 写文件乱码的解决方案
android·python
Python测试之道32 分钟前
Deepseek API+Python 测试用例一键生成与导出 V1.0.6(加入分块策略,返回更完整可靠)
开发语言·python·测试用例
SRC_BLUE_1735 分钟前
Python GUI 编程 | QObject 控件基类详解 — 定时器
开发语言·数据库·python
啊阿狸不会拉杆42 分钟前
第二十一章:Python-Plotly库实现数据动态可视化
开发语言·python·plotly
月走乂山1 小时前
nocobase + Python爬虫实现数据可视化
爬虫·python·低代码·信息可视化
滴答滴答嗒嗒滴1 小时前
Python小练习系列 Vol.12:学生信息排序(sorted + key函数)
开发语言·python
yuanbenshidiaos1 小时前
stm32面试
stm32·嵌入式硬件·面试
欧雷殿1 小时前
再谈愚蠢的「八股文」面试
前端·人工智能·面试
掘了1 小时前
分布式系统中如何保证崩溃一致性?
分布式·后端·面试