拓扑排序精讲
题目链接/文章讲解:代码随想录
java
import java.util.*;
public class Main {
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in);
// 读取文件数量 n 和依赖关系数量 m
int n = scanner.nextInt();
int m = scanner.nextInt();
// 初始化记录文件依赖关系的列表和每个文件的入度数组
List<List<Integer>> umap = new ArrayList<>(n); // 记录文件依赖关系
int[] inDegree = new int[n]; // 记录每个文件的入度
// 初始化 umap,每个文件的依赖列表
for (int i = 0; i < n; i++) {
umap.add(new ArrayList<>());
}
// 读取依赖关系
for (int i = 0; i < m; i++) {
int s = scanner.nextInt(); // 依赖的源文件
int t = scanner.nextInt(); // 依赖的目标文件
umap.get(s).add(t); // 记录s指向哪些文件
inDegree[t]++; // t的入度加一,表示有一个文件依赖于t
}
// 使用 ArrayDeque 作为队列来进行拓扑排序
Deque<Integer> queue = new ArrayDeque<>();
// 将所有入度为0的文件加入队列
for (int i = 0; i < n; i++) {
if (inDegree[i] == 0) {
queue.add(i); // 入度为0的文件可以作为开头
}
}
// 存储拓扑排序结果
List<Integer> result = new ArrayList<>();
// 拓扑排序过程
while (!queue.isEmpty()) {
int cur = queue.poll(); // 当前选中的文件
result.add(cur); // 将当前文件加入结果列表
// 遍历当前文件指向的所有文件
for (int file : umap.get(cur)) {
inDegree[file]--; // 当前文件指向的文件入度-1
if (inDegree[file] == 0) {
queue.add(file); // 如果入度为0,则加入队列
}
}
}
// 检查是否完成了拓扑排序
if (result.size() == n) {
// 如果结果列表的大小等于文件数量,说明拓扑排序成功
StringBuilder output = new StringBuilder();
for (int i = 0; i < result.size(); i++) {
output.append(result.get(i)); // 添加文件到输出
if (i < result.size() - 1) {
output.append(" "); // 添加空格分隔文件
}
}
System.out.println(output); // 输出最终结果
} else {
// 如果结果列表的大小不等于文件数量,说明存在循环依赖
System.out.println(-1);
}
}
}
dijkstra(朴素版)精讲
题目链接/文章讲解:代码随想录
java
import java.util.Arrays;
import java.util.Scanner;
public class Main {
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in);
// 读取节点数量 n 和边的数量 m
int n = scanner.nextInt();
int m = scanner.nextInt();
// 初始化图的邻接矩阵,使用 Integer.MAX_VALUE 表示无穷大
int[][] grid = new int[n + 1][n + 1];
for (int i = 1; i <= n; i++) {
Arrays.fill(grid[i], Integer.MAX_VALUE);
}
// 读取边的信息,建立邻接矩阵
for (int i = 0; i < m; i++) {
int p1 = scanner.nextInt();
int p2 = scanner.nextInt();
int val = scanner.nextInt();
// 存储边的权值,假设图是有向图
grid[p1][p2] = Math.min(grid[p1][p2], val); // 保证边的权值最小
}
int start = 1; // 起始点
int end = n; // 终点
// 存储从起始点到每个节点的最短距离
int[] minDist = new int[n + 1];
Arrays.fill(minDist, Integer.MAX_VALUE);
minDist[start] = 0; // 起始点到自身的距离为0
// 记录每个节点是否被访问过
boolean[] visited = new boolean[n + 1];
// Dijkstra 算法主循环
for (int i = 1; i <= n; i++) {
// 1. 找到未访问的节点中最小距离的节点
int cur = -1;
int minVal = Integer.MAX_VALUE;
for (int v = 1; v <= n; ++v) {
if (!visited[v] && minDist[v] < minVal) {
minVal = minDist[v];
cur = v; // 记录当前节点
}
}
// 如果所有节点都已访问,或剩下的节点不可达,则退出循环
if (cur == -1) break;
visited[cur] = true; // 2. 标记当前节点已被访问
// 3. 更新未访问节点到起始点的距离
for (int v = 1; v <= n; v++) {
// 如果有边且未访问,更新最短距离
if (!visited[v] && grid[cur][v] != Integer.MAX_VALUE) {
minDist[v] = Math.min(minDist[v], minDist[cur] + grid[cur][v]);
}
}
}
// 输出结果
System.out.println(minDist[end] == Integer.MAX_VALUE ? -1 : minDist[end]);
}
}