LeetCode 2050 并行课程3

1 题目

原题链接

LeetCode 2050 并行课程3_第1张图片

2 想法

题目本质上是一条拓扑排序的题,只不过,在拓扑排序的基础上,加上了一个时间的限制。每门课程规定了需要一定的时间完成,也就是说,完成一门课程的时间,需要根据先修课程确定。

拓扑排序可以使用广搜配合入度数组去处理,而计算某一门课程的时间,需要根据先修时间确定。可以肯定的是,如果一门课程没有先修课程,那么修这门课程的时间,就是time数组中的时间。

而如果一门课程有先修课程,容易想到,需要根据最大的一门先修课程时间去确定,比如课程3的先修课程是课程1课程2,假设:

  • 课程1需要花费的单位时间为3
  • 课程2需要花费的单位时间为5

那么,课程3需要花费的时间就是max(课程1,课程2)+课程3的时间,也就是取课程1课程2最大值再加上修课程3的时间。

这样,可以推测,如果一门课程n+1n门先修课程,那么修课程n+1的时间,就是这修n门课程的最大值,再加上修课程n+1的时间。这实际上就是一个简单的动态规划:

dp[n+1] = max(dp[0]..dp[n])+time[n+1]

3 实现

代码有很详细的注释:

import java.util.*;

public class Solution {
    public int minimumTime(int n, int[][] relations, int[] time) {
        // 时间dp,注意存储的是dp[1]..dp[n]
        int[] dp = new int[n + 1];
        // 存储入度,为了方便计算同样开了n+1
        int[] inDegree = new int[n + 1];
        // 邻接表
        List> list = new ArrayList<>();
        for (int i = 0; i <= n; i++) {
            list.add(new ArrayList<>());
        }
        // 通过邻接表建图
        for (int[] r : relations) {
            // 更新入度
            ++inDegree[r[1]];
            list.get(r[0]).add(r[1]);
        }
        // 广搜队列
        LinkedList queue = new LinkedList<>();
        for (int i = 1; i <= n; i++) {
            // 如果入度为0
            if (inDegree[i] == 0) {
                // 可以直接设置dp[i]的值,因为入度为0代表课程i没有先修课程
                dp[i] = time[i - 1];
                // 加入广搜队列
                queue.addLast(i);
            }
        }
        // 广搜队列不为空
        while (!queue.isEmpty()) {
            // 获取当前队列大小
            int size = queue.size();
            // 遍历当前队列中入度为0的课程
            for (int i = 0; i < size; i++) {
                // 出队
                int front = queue.pollFirst();
                // 获取先修课程指向的是哪些课程
                for (int v : list.get(front)) {
                    // 课程v的时间是dp[v]与先修课程front+修课程v的最大值
                    dp[v] = Math.max(dp[v], dp[front] + time[v - 1]);
                    // 将课程v的入度减1,表示已经完成一门课程
                    if (--inDegree[v] == 0) {
                        // 如果入度为0,也就是先修课程全部完成,将其入队
                        queue.addLast(v);
                    }
                }
            }
        }
        // 取最大值,不能直接dp[n],因为最后修的课程不一定是课程n,所以需要遍历一次,取所有dp的最大值
        int res = 0;
        for (int v : dp) {
            res = Math.max(v, res);
        }
        return res;
    }
}

时间与内存如下:

LeetCode 2050 并行课程3_第2张图片

4 优化

4.1 队列优化

对于带队列的题目,一个常见的优化技巧是使用数组去模拟队列。

需要注意的是,这需要根据题目去确定,虽然队列中存储的是点,但是实际上存储的是边,因为每遍历到一个点就将对应的出边(的点)加入到队列中。观察题目边的范围:

LeetCode 2050 并行课程3_第3张图片

直接取这个范围的队列即可,不会OOM

int[] queue = new int[(int) Math.min(n * (n + 1L) / 2, 5L * 10_000)];

注意由于n取值可能比较大,导致n^2可能会爆int,所以需要做一下强制转换。

然后用两个变量代表队头和队尾:

int queueFront = 0;
int queueTail = 0;
// 入队
queue[queueTail++] = i;
// 出队
i = queue[queueFront++];

完整代码(逻辑与上面一样,只是修改了队列部分):

import java.util.*;

public class Solution {
    public int minimumTime(int n, int[][] relations, int[] time) {
        int[] dp = new int[n + 1];
        int[] inDegree = new int[n + 1];
        List> list = new ArrayList<>();
        for (int i = 0; i <= n; i++) {
            list.add(new ArrayList<>());
        }
        for (int[] r : relations) {
            ++inDegree[r[1]];
            list.get(r[0]).add(r[1]);
        }
        int[] queue = new int[(int) Math.min(n * (n + 1L) / 2, 5L * 10_000)];
        int queueFront = 0;
        int queueTail = 0;
        for (int i = 1; i <= n; i++) {
            if (inDegree[i] == 0) {
                dp[i] = time[i - 1];
                // 入队
                queue[queueTail++] = i;
            }
        }
        // 判断队列是否为空
        while (queueFront < queueTail) {
            // 获取队列大小
            int size = queueTail - queueFront;
            for (int i = 0; i < size; i++) {
                // 出队
                int front = queue[queueFront++];
                for (int v : list.get(front)) {
                    dp[v] = Math.max(dp[v], dp[front] + time[v - 1]);
                    if (--inDegree[v] == 0) {
                        // 入队
                        queue[queueTail++] = v;
                    }
                }
            }
        }
        int res = 0;
        for (int v : dp) {
            res = Math.max(v, res);
        }
        return res;
    }
}

时间:

LeetCode 2050 并行课程3_第4张图片

有一点点的优化,但是不多。

4.2 算法细节优化

末尾可以看到有一处计算最大值的地方:

int res = 0;
for (int v : dp) {
    res = Math.max(v, res);
}

为什么需要再次遍历dp计算最大值呢?

因为不知道哪一个dp最大,但是,可以在每一次dp计算结束的时候,计算res

import java.util.*;

public class Solution {
    public int minimumTime(int n, int[][] relations, int[] time) {
        int[] dp = new int[n + 1];
        int[] inDegree = new int[n + 1];
        List> list = new ArrayList<>();
        for (int i = 0; i <= n; i++) {
            list.add(new ArrayList<>());
        }
        for (int[] r : relations) {
            ++inDegree[r[1]];
            list.get(r[0]).add(r[1]);
        }
        int[] queue = new int[(int) Math.min(n * (n + 1L) / 2, 5L * 10_000)];
        int queueFront = 0;
        int queueTail = 0;
        int res = 0;
        for (int i = 1; i <= n; i++) {
            if (inDegree[i] == 0) {
                // 计算最大值
                res = Math.max(res, time[i - 1]);
                dp[i] = time[i - 1];
                queue[queueTail++] = i;
            }
        }
        while (queueFront < queueTail) {
            int size = queueTail - queueFront;
            for (int i = 0; i < size; i++) {
                int front = queue[queueFront++];
                // dp[front]已经确定是计算完毕了,用dp[front]计算最大值
                res = Math.max(res, dp[front]);
                for (int v : list.get(front)) {
                    dp[v] = Math.max(dp[v], dp[front] + time[v - 1]);
                    if (--inDegree[v] == 0) {
                        queue[queueTail++] = v;
                    }
                }
            }
        }
        return res;
    }
}

时间:

LeetCode 2050 并行课程3_第5张图片

貌似没影响,再继续优化一下。

4.3 建图优化

没错,就是使用链式前向星代替邻接表进行建图优化。

链式前向星介绍可以参考此处,不细说了。

最终代码:

import java.util.*;

public class Solution {
    public int minimumTime(int n, int[][] relations, int[] time) {
        int[] dp = new int[n + 1];
        int[] inDegree = new int[n + 1];
        int[] last = new int[n + 1];
        int edgeCount = relations.length;
        int[] pre = new int[edgeCount + 1];
        // 初始化last为-1
        Arrays.fill(last, -1);
        for (int i = 0; i < edgeCount; i++) {
            int v0 = relations[i][0];
            int v1 = relations[i][1];
            ++inDegree[v1];
            // 建图
            pre[i] = last[v0];
            last[v0] = i;
        }
        int[] queue = new int[(int) Math.min(n * (n + 1L) / 2, 5L * 10_000)];
        int queueFront = 0;
        int queueTail = 0;
        int res = 0;
        for (int i = 1; i <= n; i++) {
            if (inDegree[i] == 0) {
                res = Math.max(res, time[i - 1]);
                dp[i] = time[i - 1];
                queue[queueTail++] = i;
            }
        }
        while (queueFront < queueTail) {
            int size = queueTail - queueFront;
            for (int i = 0; i < size; i++) {
                int front = queue[queueFront++];
                res = Math.max(res, dp[front]);
                // 遍历所有边
                for (int lastEdge = last[front]; lastEdge != -1; lastEdge = pre[lastEdge]) {
                    int v = relations[lastEdge][1];
                    dp[v] = Math.max(dp[v], dp[front] + time[v - 1]);
                    if (--inDegree[v] == 0) {
                        queue[queueTail++] = v;
                    }
                }
            }
        }
        return res;
    }
}

时间:

LeetCode 2050 并行课程3_第6张图片

LeetCode 2050 并行课程3_第7张图片

至此优化完成。

5 总结

题目以拓扑排序为基础,再其中加入了计算时间的动态规划。

实现时,拓扑排序可以广搜+队列实现,计算时间的dp是比较简单的一维dp,转移方程也比较好推。

写代码时有些细节要注意:

  • 数组分配n+1而不是n
  • 由于一开始的算法不完善导致了计算完成dp后还需要再遍历一次dp取最大值

优化主要依靠链式前向星的时间优化,队列优化以及算法细节优化效果并不明显。

你可能感兴趣的:(算法图拓扑图动态规划)