时间:2021-05-22
拓扑排序
几乎在所有的项目,甚至日常生活,待完成的不同任务之间通常都会存在着某些依赖关系,这些依赖关系会为它们的执行顺序行程表部分约束。对于这种依赖关系,很容易将其表示成一个有向无环图(Directed Acyclic Graph,DAG,无环是一个重要条件),并将寻找其中依赖顺序的过程称为拓扑排序(topological sorting)。
拓扑排序要满足如下两个条件
拓扑排序算法
任何无回路的顶点活动网(AOV网)N都可以做出拓扑序列:
如果剩下入度非0的顶点,就说明N中有回路,不存在拓扑排序。
存在回路,意味着某些活动的开始要以其自己的完成作为先决条件,这种现象成为活动之间的死锁。一种常见的顶点活动网实例是大学课程的先修课程。课程知识有前后练习,一门课可能以其他课程的知识为基础,学生想选修这门课程时,要看是否已修过所有先修课程。如果存在一个回路的话,那就意味着进入了一个循环,那么该同学就毕不了业了。
因此可以说拓扑排序算法是为了做出满足制约关系的工作安排。
下面我们操作一个实例,如下图是一个有向无环图:
用字典表示:G = { 'a':'bce', 'b':'d','c':'d','d':'','e':'cd'}
代码实现:
def toposort(graph): in_degrees = dict((u,0) for u in graph) #初始化所有顶点入度为0 vertex_num = len(in_degrees) for u in graph: for v in graph[u]: in_degrees[v] += 1 #计算每个顶点的入度 Q = [u for u in in_degrees if in_degrees[u] == 0] # 筛选入度为0的顶点 Seq = [] while Q: u = Q.pop() #默认从最后一个删除 Seq.append(u) for v in graph[u]: in_degrees[v] -= 1 #移除其所有指向 if in_degrees[v] == 0: Q.append(v) #再次筛选入度为0的顶点 if len(Seq) == vertex_num: #如果循环结束后存在非0入度的顶点说明图中有环,不存在拓扑排序 return Seq else: print("there's a circle.")G = { 'a':'bce', 'b':'d', 'c':'d', 'd':'', 'e':'cd'}print(toposort(G))输出结果:
['a', 'e', 'c', 'b', 'd']图中有环的情况:
输出结果:
there's a circle.None总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,如果有疑问大家可以留言交流,谢谢大家对的支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
Python中会遇到很多关于排序的问题,今天小编就带给大家实现插入排序的方法。在Python中插入排序的基本原理类似于摸牌,将摸起来的牌插入到合适位置。具体实现
排序,是许多编程语言中经常出现的问题。同样的,在Python中,如何是实现排序呢?(以下排序都是基于列表来实现)一、使用Python内置函数进行排序Python
本文实例讲述了Python实现堆排序的方法。分享给大家供大家参考,具体如下:堆排序作是基本排序方法的一种,类似于合并排序而不像插入排序,它的运行时间为O(nlo
快速排序算法,简称快排,是最实用的排序算法,没有之一,各大语言标准库的排序函数也基本都是基于快排实现的。本文用python语言介绍四种不同的快排实现。1.一行代
本文实例讲述了Python实现的快速排序算法。分享给大家供大家参考,具体如下:快速排序基本思想是:通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有