【图论】判断图中有环的两种方法及实现

判断图中有环的两种方法及实现

在图论中,检测有向图是否存在环是常见问题。本文将介绍两种主流方法:DFS三色标记法拓扑排序(Kahn算法),并提供对应的C++代码实现。


方法一:DFS三色标记法

核心思想

通过深度优先搜索(DFS)遍历图,使用三种颜色标记节点状态:

  • 0(未访问):节点尚未被访问。
  • 1(访问中):节点正在被访问,其后续节点仍在递归中。
  • 2(已访问):节点及其所有后代均已处理完毕。

如果在遍历过程中遇到状态为1的节点,说明存在环

时间复杂度

  • O(V + E),其中V为节点数,E为边数。

C++代码实现

cpp 复制代码
#include <vector>
using namespace std;

bool hasCycleDFS(vector<vector<int>>& graph, int node, vector<int>& color) {
    color[node] = 1; // 标记为"访问中"
    for (int neighbor : graph[node]) {
        if (color[neighbor] == 0) { // 未访问的节点
            if (hasCycleDFS(graph, neighbor, color)) return true;
        } else if (color[neighbor] == 1) { // 遇到访问中的节点,存在环
            return true;
        }
    }
    color[node] = 2; // 标记为"已访问"
    return false;
}

bool hasCycle(vector<vector<int>>& graph) {
    int n = graph.size();
    vector<int> color(n, 0); // 初始化所有节点为未访问
    for (int i = 0; i < n; ++i) {
        if (color[i] == 0 && hasCycleDFS(graph, i, color)) {
            return true;
        }
    }
    return false;
}

方法二:拓扑排序(Kahn算法)

核心思想

  1. 统计每个节点的入度(指向该节点的边数)。
  2. 将所有入度为0的节点加入队列。
  3. 依次处理队列中的节点,减少其邻居的入度。若邻居入度变为0,则加入队列。
  4. 若最终处理的节点数不等于总节点数,则存在环。

时间复杂度

  • O(V + E),其中V为节点数,E为边数。

C++代码实现

cpp 复制代码
#include <vector>
#include <queue>
using namespace std;

bool hasCycleTopo(vector<vector<int>>& graph) {
    int n = graph.size();
    vector<int> indegree(n, 0);
    queue<int> q;

    // 计算初始入度
    for (int u = 0; u < n; ++u) {
        for (int v : graph[u]) {
            indegree[v]++;
        }
    }

    // 入度为0的节点入队
    for (int i = 0; i < n; ++i) {
        if (indegree[i] == 0) q.push(i);
    }

    int cnt = 0; // 记录处理的节点数
    while (!q.empty()) {
        int u = q.front();
        q.pop();
        cnt++;
        for (int v : graph[u]) {
            if (--indegree[v] == 0) {
                q.push(v);
            }
        }
    }

    return cnt != n; // 存在环时cnt < n
}

方法对比与适用场景

方法 优势 劣势 适用场景
DFS三色标记法 可同时处理其他任务(如路径记录) 递归深度可能较大 需要深度遍历信息的场景
拓扑排序 无需递归,适合大规模图 仅提供是否存在环的结果 只需判断环或需要拓扑序列的场景

完整测试代码

cpp 复制代码
#include <iostream>
#include <vector>
#include <queue>
using namespace std;

// DFS三色标记法
bool hasCycleDFS(vector<vector<int>>& graph, int node, vector<int>& color) {
    color[node] = 1;
    for (int v : graph[node]) {
        if (color[v] == 0) {
            if (hasCycleDFS(graph, v, color)) return true;
        } else if (color[v] == 1) {
            return true;
        }
    }
    color[node] = 2;
    return false;
}

bool hasCycleDFS(vector<vector<int>>& graph) {
    int n = graph.size();
    vector<int> color(n, 0);
    for (int i = 0; i < n; ++i) {
        if (color[i] == 0 && hasCycleDFS(graph, i, color)) {
            return true;
        }
    }
    return false;
}

// 拓扑排序
bool hasCycleTopo(vector<vector<int>>& graph) {
    int n = graph.size();
    vector<int> indegree(n, 0);
    queue<int> q;

    for (auto& edges : graph) {
        for (int v : edges) indegree[v]++;
    }
    for (int i = 0; i < n; ++i) {
        if (indegree[i] == 0) q.push(i);
    }

    int cnt = 0;
    while (!q.empty()) {
        int u = q.front();
        q.pop();
        cnt++;
        for (int v : graph[u]) {
            if (--indegree[v] == 0) q.push(v);
        }
    }

    return cnt != n;
}

int main() {
    // 示例:有环图 0->1->2->0
    vector<vector<int>> graph = {{1}, {2}, {0}};

    cout << "DFS三色标记法结果: " << (hasCycleDFS(graph) ? "有环" : "无环") << endl;
    cout << "拓扑排序结果: " << (hasCycleTopo(graph) ? "有环" : "无环") << endl;

    return 0;
}

通过这两种方法,可以高效判断有向图中是否存在环。实际应用中,若需要拓扑序列则优先选择Kahn算法,若需深度遍历信息则选择DFS三色标记法。

(本文由deepseek总结生成)

相关推荐
二进制person4 小时前
Java SE--方法的使用
java·开发语言·算法
OneQ6664 小时前
C++讲解---创建日期类
开发语言·c++·算法
JoJo_Way5 小时前
LeetCode三数之和-js题解
javascript·算法·leetcode
.30-06Springfield5 小时前
人工智能概念之七:集成学习思想(Bagging、Boosting、Stacking)
人工智能·算法·机器学习·集成学习
凌肖战7 小时前
力扣网C语言编程题:在数组中查找目标值位置之二分查找法
c语言·算法·leetcode
weixin_478689767 小时前
十大排序算法汇总
java·算法·排序算法
luofeiju8 小时前
使用LU分解求解线性方程组
线性代数·算法
SKYDROID云卓小助手8 小时前
无人设备遥控器之自动调整编码技术篇
人工智能·嵌入式硬件·算法·自动化·信号处理
ysa0510309 小时前
数论基础知识和模板
数据结构·c++·笔记·算法
GEEK零零七9 小时前
Leetcode 1103. 分糖果 II
数学·算法·leetcode·等差数列