拓扑排序
定义
对于一些有前后依赖关系的排序算法,是利用有向无环图进行实现,通过局部依赖关系确定全局顺序的算法
应用场景
- 编译有序依赖的文件
两种拓扑算法
Kahn算法
- 算法逻辑
- 利用贪心算法,如果两个顶点,顶点b依赖于顶点a,就将a指向b,当一个顶点的入度为零,将这个顶点就是最优排序点,
并且将顶点从图中移除,将可达顶点的入度减一。
DFS算法
1.使用深度算法,产生逆向邻接表先输出其他依赖,最后输出自己。
package main
import (
"fmt"
)
//有向图
type graph struct {
vertex int //顶点
list map[int][]int //连接表边
}
//添加边
func (g *graph) addVertex(t int, s int) {
g.list[t] = push(g.list[t], s)
}
func main() {
g := NewGraph(8)
g.addVertex(2, 1)
g.addVertex(3, 1)
g.addVertex(7, 1)
g.addVertex(4, 2)
g.addVertex(5, 2)
g.addVertex(8, 7)
g.DfsSort()
}
//创建图
func NewGraph(v int) *graph {
g := new(graph)
g.vertex = v
g.list = map[int][]int{}
i := 0
for i < v {
g.list[i] = make([]int, 0)
i++
}
return g
}
//取出切片第一个
func pop(list []int) (int, []int) {
if len(list) > 0 {
a := list[0]
b := list[1:]
return a, b
} else {
return -1, list
}
}
//推入切片
func push(list []int, value int) []int {
result := append(list, value)
return result
}
//添加边
func (g *graph) KhanSort() {
var inDegree = make(map[int]int)
var queue []int
for i := 1; i <= g.vertex; i++ {
for _, m := range g.list[i] {
inDegree[m]++
}
}
for i := 1; i <= g.vertex; i++ {
if inDegree[i] == 0 {
queue = push(queue, i)
}
}
for len(queue) > 0 {
var now int
now, queue = pop(queue)
fmt.Println("->", now)
for _, k := range g.list[now] {
inDegree[k]--
if inDegree[k] == 0 {
queue = push(queue, k)
}
}
}
}
func (g *graph) DfsSort() {
inverseList := make(map[int][]int)
//初始化逆向邻接表
for i := 1; i <= g.vertex; i++ {
for _, k := range g.list[i] {
inverseList[k] = append(inverseList[k], i)
}
}
visited := make([]bool, g.vertex+1)
visited[0] = true
for i := 1; i <= g.vertex; i++ {
if visited[i] == false {
visited[i] = true
dfs(i, inverseList, visited)
}
}
}
func dfs(vertex int, inverseList map[int][]int, visited []bool) {
for _, w := range inverseList[vertex] {
if visited[w] == true {
continue
} else {
visited[w] = true
dfs(w, inverseList, visited)
}
}
fmt.Println("->", vertex)
}
文档更新时间: 2020-07-22 17:11 作者:kuteng