深度优先的时间戳与拓扑排序

我们为每个结点添加了时间戳,其中一种代表它被探索到的时间(探索开始时,标识为d)而另一种代表我们回溯到该节点的时间(探索完成时,标识为f)

深度优先的时间戳与拓扑排序_第1张图片

清单5-7 带时间戳的深度优先搜索:

def dfs(G,s,d,f,S=None,t=0):
    if S is None:S=set()
    d[s]=t;t+=1
    S.add(s)
    for u in G[s]:
        if u in S:continue
        t=dfs(G,u,d,f,S,t)
    f[s]=t;t+=1
    return t
if __name__=="__main__":
    from collections import defaultdict
    a, b, c, d, e, f, g, h, i= range(9)
    N = [
        {b, c, d}, # a
        {a, d}, # b
        {a,d}, # c
        {a,b,c}, # d
        {g,f}, # e
        {e,g}, # f
        {e,f}, # g
        {i}, # h
        {h} #i
    ]
    G=[{b,c,d,e,f},#a  
   {c,e},#b  
   {d},#c  
   {e},#d  
   {f},#e  
   {c,g,h},#f  
   {f,h},#g  
   {f,g}#h  
   ]  
    d=defaultdict()
    f=defaultdict()
    t=dfs(G,0,d,f,S=None,t=0)
    print("d:",d)
    print("f:",f)

运行:

>>> 
=== RESTART: D:\Program Files\Python\test\algorithms\Python算法教程\5-7-dfs.py ===
d: defaultdict(None, {0: 0, 1: 1, 2: 2, 3: 3, 4: 4, 5: 5, 6: 6, 7: 7})
f: defaultdict(None, {7: 8, 6: 9, 5: 10, 4: 11, 3: 12, 2: 13, 1: 14, 0: 15})

基于深度优先搜索的拓扑排序:

深度优先的时间戳与拓扑排序_第2张图片

def dfs_topsort(G):
    S,res=set(),[]
    def recurse(u):
        if u in S:return
        S.add(u)
        for v in G[u]:
            recurse(v)
        res.append(u)
    for u in G:
        recurse(u)
    res.reverse()
    return res

if __name__=="__main__":
    a, b, c, d, e, f, g, h, i= range(9)

    G={  
        'a':set('bf'),  
        'b':set('cdf'),  
        'c':set('d'),  
        'd':set('ef'),  
        'e':set('f'),  
        'f':set('')     
        }

    res=dfs_topsort(G)
            
    

运行:

>>> res
['a', 'b', 'c', 'd', 'e', 'f']




你可能感兴趣的:(Python算法教程)