「代码随想录算法训练营」第五十天 | 图论 part8
1.「代码随想录算法训练营」第二天 | 数组 part22.「代码随想录算法训练营」第三天 | 链表 part13.「代码随想录算法训练营」第四天 | 链表 part24.「代码随想录算法训练营」第一天（补） | 数组 part15.「代码随想录算法训练营」第五天 | 哈希表 part16.「代码随想录算法训练营」第六天 | 哈希表 part27.「代码随想录算法训练营」第七天 | 字符串 part18.「代码随想录算法训练营」第八天 | 字符串 part29.「代码随想录算法训练营」第九天 | 栈与队列 part110.「代码随想录算法训练营」第十天 | 栈与队列 part211.「代码随想录算法训练营」第十一天 | 二叉树 part112.「代码随想录算法训练营」第十二天 | 二叉树 part213.「代码随想录算法训练营」第十三天 | 二叉树 part314.「代码随想录算法训练营」第十四天 | 二叉树 part415.「代码随想录算法训练营」第十五天 | 二叉树 part516.「代码随想录算法训练营」第十六天 | 二叉树 part617.「代码随想录算法训练营」第十七天 | 二叉树 part718.「代码随想录算法训练营」第十八天 | 二叉树 part819.「代码随想录算法训练营」第十九天 | 回溯算法 part120.「代码随想录算法训练营」第二十天 | 回溯算法 part221.「代码随想录算法训练营」第二十一天 | 回溯算法 part322.「代码随想录算法训练营」第二十二天 | 回溯算法 part423.「代码随想录算法训练营」第二十三天 | 贪心算法 part124.「代码随想录算法训练营」第二十四天 | 贪心算法 part225.「代码随想录算法训练营」第二十五天 | 贪心算法 part326.「代码随想录算法训练营」第二十六天 | 贪心算法 part427.「代码随想录算法训练营」第二十七天 | 贪心算法 part528.「代码随想录算法训练营」第二十八天 | 动态规划 part129.「代码随想录算法训练营」第二十九天 | 动态规划 part230.「代码随想录算法训练营」第三十天 | 动态规划 part331.「代码随想录算法训练营」第三十一天 | 动态规划 part432.「代码随想录算法训练营」第三十二天 | 动态规划 part533.「代码随想录算法训练营」第三十三天 | 动态规划 part634.「代码随想录算法训练营」第三十四天 | 动态规划 part735.「代码随想录算法训练营」第三十五天 | 动态规划 part836.「代码随想录算法训练营」第三十六天 | 动态规划 part937.「代码随想录算法训练营」第三十七天 | 动态规划 part1038.「代码随想录算法训练营」第三十八天 | 动态规划 part1139.「代码随想录算法训练营」第三十九天 | 动态规划 part1240.「代码随想录算法训练营」第四十一天 | 单调栈 part141.「代码随想录算法训练营」第四十天 | 动态规划 part1342.「代码随想录算法训练营」第四十二天 | 单调栈 part243.「代码随想录算法训练营」第四十三天 | 图论 part144.「代码随想录算法训练营」第四十四天 | 图论 part245.「代码随想录算法训练营」第四十五天 | 图论 part346.「代码随想录算法训练营」第四十六天 | 图论 part447.「代码随想录算法训练营」第四十七天 | 图论 part548.「代码随想录算法训练营」第四十八天 | 图论 part649.「代码随想录算法训练营」第四十九天 | 图论 part7
50.「代码随想录算法训练营」第五十天 | 图论 part8
51.「代码随想录算法训练营」第五十一天 | 图论 part952.「代码随想录算法训练营」第五十二天 | 图论 part1053.「代码随想录算法训练营」完结！拓扑排序
拓扑排序概括来说就是给出一个有向无环图，把这个有向无环图转成线性的排序，就叫拓扑排序。
使用广度优先搜索（BFS）即可。
如上图，当我们做拓扑排序的时候，优先找入度为0的节点，只有入度为0，它才是出发节点。
拓扑排序的过程：
- 找到入度为0的节点，加入结果集。
- 将该节点从图中移除。
循环以上两步，直到所有节点都在图中被移除了。
结果集的顺序，就是我们想要的拓扑排序顺序（结果集里顺序可能不唯一）
模拟过程：
判断有环：
这个图，我们只能将入度为0的节点0接入结果集。
之后，节点1、2、3、4形成了环，找不到入度为0的节点了，所以此时结果集里只有一个元素。
那么如果我们发现结果集元素个数不等于图中节点个数，我们就可以认定图中一定有有向环！
题目：117. 软件构建
题目链接：https://kamacoder.com/problempage.php?pid=1191
文章讲解：https://www.programmercarl.com/kamacoder/0117.软件构建.html
题目状态：看题解
思路：
使用拓扑排序。
代码：
#include <iostream> #include <vector> #include <queue> #include <unordered_map> using namespace std; int main() { int m, n, s, t; cin >> n >> m; vector<int> isDegree(n, 0); // 记录每个文件的入度 unordered_map<int, vector<int>> umap; // 记录文件依赖关系 vector<int> result; // 结果集 while(m--) { // s->t，先有s才能有t cin >> s >> t; isDegree[t]++; // t的入度加一 umap[s].push_back(t); // 记录s指向哪些文件 } queue<int> que; for(int i = 0; i < n; ++i) { // 入度为0的文件，可以作为开头，先加入队列 if(isDegree[i] == 0) que.push(i); } while(que.size()) { int cur = que.front(); // 当前选中的文件 que.pop(); result.push_back(cur); vector<int> files = umap[cur]; // 获取该文件指向的文件 if(files.size()) // cur有后续文件 { for(int i = 0; i < files.size(); ++i) { isDegree[files[i]]--; // cur的指向的文件入度-1 if(isDegree[files[i]] == 0) que.push(files[i]); } } } if(result.size() == n) { for(int i = 0; i < n - 1; ++i) cout << result[i] << " "; cout << result[n - 1]; } else cout << -1 << endl; return 0; }
dijkstra（朴素版）
dijkstra算法：在有权图（权值非负数）中求从起点到其他节点的最短路径算法。
需要注意两点：
- dijkstra算法可以同时求起点到所有节点的最短路径。
- 权值不能为负数。
dijkstra算法和prim算法的计算过程非常类似：
- 第一步，选源点到哪个节点近且该节点未被访问过
- 第二步，该最近节点被标记访问过
- 第三步，更新非访问节点到源点的距离（即更新minDist数组）
其中minDist数组用来记录每一个节点距离源点的最小距离。
模拟过程：
题目：47. 参加科学大会
题目链接：https://kamacoder.com/problempage.php?pid=1047
文章讲解：https://www.programmercarl.com/kamacoder/0047.参会dijkstra朴素.html
题目状态：看题解
思路：
dijkstra算法。
代码：
#include <iostream> #include <vector> #include <climits> using namespace std; int main() { int n, m, p1, p2, val; cin >> n >> m; vector<vector<int>> grid(n + 1, vector<int>(n + 1, INT_MAX)); for(int i = 0; i < m; ++i) { cin >> p1 >> p2 >> val; grid[p1][p2] = val; } int start = 1; int end = n; // 存储从源点到每个节点的最短距离 vector<int> minDist(n + 1, INT_MAX); // 记录顶点是否被访问过 vector<bool> visited(n + 1, false); minDist[start] = 0; // 起始点到自身的距离为0 // 初始化路径数组 vector<int> parent(n + 1, -1); // 遍历所有节点 for(int i = 1; i <= n; ++i) { int minVal = INT_MAX; int cur = 1; // 1.选距离源点最近且未访问过的节点 for(int v = 1; v <= n; ++v) { if(!visited[v] && minDist[v] < minVal) { minVal = minDist[v]; cur = v; } } // 2.标记该节点已被访问 visited[cur] = true; // 3.更新非访问节点到源点的距离（即更新minDist数组） for(int v = 1; v <= n; ++v) { if(!visited[v] && grid[cur][v] != INT_MAX && minDist[cur] + grid[cur][v] < minDist[v]) { minDist[v] = minDist[cur] + grid[cur][v]; parent[v] = cur; // 记录边 } } } // 不能到达终点 if(minDist[end] == INT_MAX) cout << -1 << endl; // 到达终点最短路径 else cout << minDist[end] << endl; // 输出最短情况 for(int i = 1; i <= n; ++i) cout << parent[i] << "->" << i << endl; return 0; }
dijkstra算法和prim算法的区别
- prim是求非访问节点到最小生成树的最小距离。
- dijkstra是求非访问节点到源点的最小距离。
dijkstra（堆优化版）
上一节的dijkstra算法是从节点的角度来遍历的，这一节的dijkstra算法我们从边的角度来遍历分析，且采用邻接表来存储图。邻接表表示一个有向有权图如下：
其中：
- 节点1指向节点3，权值为1
- 节点1指向节点5，权值为2
- 节点2指向节点4，权值为7
- 节点2指向节点3，权值为6
- 节点2指向节点5，权值为3
- 节点3指向节点4，权值为3
- 节点5指向节点1，权值为10
dijkstra算法思路三部曲：
- 第一步，选源点到哪个节点近且该节点未被访问过
- 第二步，该最近节点被标记访问过
- 第三步，更新非访问节点到源点的距离（即更新minDist数组）
其中第一步我们要选择距离源点近的节点（即：该边的权值最小），所以我们需要一个小顶堆来帮我们对边的权值排序，每次从小顶堆堆顶去边就是权值最小的边。
因此在堆优化版本的dijkstra算法的三部曲中：
- 第一步：不用for循环去遍历，直接取堆顶元素
- 第二步：将节点做访问标记
- 第三步：和朴素dijkstra算法一样
题目：47. 参加科学大会
题目链接：https://kamacoder.com/problempage.php?pid=1047
文章讲解：https://www.programmercarl.com/kamacoder/0047.参会dijkstra朴素.html
题目状态：看题解
思路：
使用堆优化版本的dijkstra算法。
代码：
#include <iostream> #include <vector> #include <list> #include <queue> #include <climits> using namespace std; // 小顶堆 class mycomparison { public: bool operator()(const pair<int, int> &lhs, const pair<int, int> &rhs) { return lhs.second > rhs.second; } }; // 定义一个结构体来表示带权重的边 struct Edge { int to; // 邻接顶点 int val; // 边的权重 Edge(int t, int w): to(t), val(w) {} // 构造函数 }; int main() { int n, m, p1, p2, val; cin >> n >> m; vector<list<Edge>> grid(n + 1); for(int i = 0; i < m; ++i) { cin >> p1 >> p2 >> val; // p1指向p2，权值为val grid[p1].push_back(Edge(p2, val)); } int start = 1; // 起点 int end = n; // 终点 // 存储从源点到每个节点的最短距离 vector<int> minDist(n + 1, INT_MAX); // 记录顶点是否被访问过 vector<bool> visited(n + 1, false); // 优先级队列中存放pair<节点, 源点到该节点的权值> priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pq; // 初始化队列，源点到源点的距离为0，所以初始为0 pq.push(pair<int, int>(start, 0)); // 起始点到自身的距离为0 minDist[start] = 0; while(!pq.empty()) { // 1.第一步，选源点到哪个节点近且该节点未被访问过（通过优先级队列来实现） // <节点, 源点到该节点的距离> pair<int, int> cur = pq.top(); pq.pop(); if(visited[cur.first]) continue; // 2.第二步，该最近节点被标记访问过 visited[cur.first] = true; // 3.第三步，更新非访问节点到源点的距离（即更新minDist数组） for(Edge &edge : grid[cur.first]) { // 遍历cur指向的节点，cur指向的节点为edge // cur指向的节点edge.to，这条边的权值为edge.val if(!visited[edge.to] && minDist[cur.first] + edge.val < minDist[edge.to]) { // 更新minDist minDist[edge.to] = minDist[cur.first] + edge.val; pq.push(pair<int, int>(edge.to, minDist[edge.to])); } } } // 不能到达终点 if(minDist[end] == INT_MAX) cout << -1 << endl; // 到达终点最短路径 else cout << minDist[end] << endl; }
合集:
「代码随想录算法训练营」
分类:
算法
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步
· DeepSeek 开源周回顾「GitHub 热点速览」
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布：重大改进与新特性概览！
· AI与.NET技术实操系列（二）：开始使用ML.NET
· 单线程的Redis速度为什么快？