有向圖的拓撲排序——DFS

YVVT_Real發表於2022-12-30
排序

在有向圖的拓撲排序——BFS這篇文章中，介紹了有向圖的拓撲排序的定義以及使用廣度優先搜尋（BFS）對有向圖進行拓撲排序的方法，這裡再介紹另一種方法：深度優先搜尋（DFS）。

演算法

考慮下面這張圖：

img

首先，我們需要維護一個棧，用來存放DFS到的節點。另外規定每個節點有兩個狀態：未訪問（這裡用藍綠色表示）、已訪問（這裡用黑色表示）。

任選一個節點開始DFS，比如這裡就從0開始吧。

img

首先將節點0的狀態設為已訪問，然後節點0的鄰居（節點0的出邊指向的節點）共有1個：節點2，它是未訪問狀態，於是順下去訪問節點2。

img

節點2的狀態也設為已訪問。節點2有3個鄰居：3、4、5，都是未訪問狀態，不妨從3開始。一直這樣訪問下去，直到訪問到沒有出邊的節點7。

img

節點7沒有出邊了，這時候就將節點7入棧。

img

退回到節點6，雖然6還有鄰居，但是唯一的鄰居節點7是已訪問狀態，也入棧。再次退回，節點4的兩個鄰居也都已訪問，依舊入棧並後退。以此類推，退回到節點2。

img

節點2有3個鄰居，其中節點3和4已訪問，但是節點5還未訪問，訪問節點5。

img

接下來的步驟是一樣的，不再贅述了，直接退回到節點0並將0入棧。

img

現在，從節點0開始的DFS宣告結束，但是圖中還有未訪問的節點：節點1，從節點1繼續開始DFS。

img

節點1的鄰居節點2已經訪問過了，直接將節點1入棧。

img

至此，整個DFS過程宣告結束。從棧頂到棧底的節點序列1 0 2 5 3 4 6 7就是整個圖的一個拓撲排序序列。

實現

這裡同樣使用型別別名node_t代表節點序號unsigned long long：

using node_t = unsigned long long;

同樣使用鄰接表來儲存圖結構，整個圖的定義如下：

class Graph {
    unsigned long long n;
    vector<vector<node_t>> adj;

protected:
    void dfs(node_t cur, vector<bool> &visited, stack<node_t> &nodeStack);

public:
    Graph(initializer_list<initializer_list<node_t>> list) : n(list.size()), adj({}) {
        for (auto &l : list) {
            adj.emplace_back(l);
        }
    }

    vector<node_t> toposortDfs();
};

DFS

函式dfs的引數及說明如下：

  • cur：當前訪問的節點。
  • visited：存放各個節點狀態的陣列，false表示未訪問，true表示已訪問。初始化為全為false。
  • nodeStack：存放節點的棧。

整個過程如下：

  1. 首先，我們需要將當前節點的狀態設為已訪問：
visited[cur] = true;
  1. 依次檢查當前節點的所有鄰居的狀態：
for (node_t neighbor: adj[cur]) {
    // ...
}
  1. 如果某個節點已訪問，則跳過。
if (visited[neighbor]) continue;
  1. 否則，遞迴的對該節點進行DFS：
dfs(neighbor, visited, nodeStack);
  1. 所有鄰居檢查完後，就將該節點入棧：
nodeStack.push(cur);

整個dfs函式的程式碼如下：

void Graph::dfs(node_t cur, vector<bool> &visited, stack<node_t> &nodeStack) {
    visited[cur] = true;
    for (node_t neighbor: adj[cur]) {
        if (visited[neighbor]) continue;
        dfs(neighbor, visited, nodeStack);
    }
    nodeStack.push(cur);
}

拓撲排序

我們需要初始化3個資料結構：

  • sort：存放拓撲排序序列的陣列。
  • visited：見上文。
  • nodeStack：見上文。
vector<node_t> sort;
vector<bool> visited(n, false);
stack<node_t> nodeStack;

整個過程如下：

  1. 依次檢查每個節點的狀態，如果未訪問，則從該節點開始進行DFS：
for (node_t node = 0; node < n; ++node) {
    if (visited[node]) continue;
    dfs(node, visited, nodeStack);
}
  1. 此時nodeStack已經儲存了整個拓撲排序序列，我們只需要轉移到sort陣列並返回即可：
while (!nodeStack.empty()) {
    sort.push_back(nodeStack.top());
    nodeStack.pop();
}
return sort;

整個程式碼如下：

vector<node_t> Graph::toposortDfs() {
    vector<node_t> sort;
    vector<bool> visited(n, false);
    stack<node_t> nodeStack;
    for (node_t node = 0; node < n; ++node) {
        if (visited[node]) continue;
        dfs(node, visited, nodeStack);
    }
    while (!nodeStack.empty()) {
        sort.push_back(nodeStack.top());
        nodeStack.pop();
    }
    return sort;
}

測試

程式碼：

int main() {
    Graph graph{{2},
                {2},
                {3, 4, 5},
                {4},
                {6, 7},
                {4},
                {7},
                {}};
    auto sort = graph.toposortDfs();
    cout << "The topology sort sequence is:\n";
    for (const auto &node: sort) {
        cout << node << ' ';
    }
    return 0;
}

輸出：

The topology sort sequence is:
1 0 2 5 3 4 6 7

複雜度分析

  • 時間複雜度：\(O(n+e)\)，\(n\)為節點總數，\(e\)為邊的總數。其中DFS的時間複雜度為\(O(n+e)\)。
  • 空間複雜度：\(O(n)\)（鄰接表的空間複雜度為\(O(n+e)\)，不計入在內），其中維護visited陣列和nodeStack棧分別需要\(O(n)\)的額外空間。

相關文章