你这个学期必须选修 numCourses 门课程,记为 0 到 numCourses - 1 。
在选修某些课程之前需要一些先修课程。 先修课程按数组 prerequisites 给出,其中 prerequisites[i] = [ai, bi] ,表示如果要学习课程 ai 则 必须 先学习课程 bi 。
例如,先修课程对 [0, 1] 表示:想要学习课程 0 ,你需要先完成课程 1 。 请你判断是否可能完成所有课程的学习?如果可以,返回 true ;否则,返回 false 。
示例 1:
输入:numCourses = 2, prerequisites = [[1,0]]
输出:true
解释:总共有 2 门课程。学习课程 1 之前,你需要完成课程 0 。这是可能的。
示例 2:
输入:numCourses = 2, prerequisites = [[1,0],[0,1]]
输出:false
解释:总共有 2 门课程。学习课程 1 之前,你需要先完成课程 0 ;并且学习课程 0 之前,你还应先完成课程 1 。这是不可能的。
提示:
- 1 <= numCourses <= 2000
- 0 <= prerequisites.length <= 5000
- prerequisites[i].length == 2
- 0 <= ai, bi < numCourses
- prerequisites[i] 中的所有课程对 互不相同
思路:
- 构建入度数组:首先,构建一个数组 inDegree 来存储每个课程的先修课程数量(即入度)。同时,构建一个 map 作为邻接表,用于存储每个课程的后续课程列表。
- 初始化队列:然后,将所有入度为 0 的课程(即没有先修课程的课程)加入队列中。
- 拓扑排序:接着,使用一个循环进行拓扑排序。在每次迭代中,从队列中取出一个课程,并将其后续课程的入度减 1。如果某个后续课程的入度变为 0,则将其加入队列中。
- 检查结果:最后,如果选出的课程数量等于总课程数,说明所有课程都可以按顺序完成,返回 true;否则,存在课程无法完成,返回 false。
时间复杂度:O(V+E),其中 V 是课程的数量,E 是先修课程对的数量。这是因为每个课程和每条边在算法中都被遍历了一次。 空间复杂度:O(V+E),用于存储邻接表和入度数组。
const canFinish = (numCourses, prerequisites) => {
const inDegree = new Array(numCourses).fill(0);
// 入度数组
const map = {};
// 邻接表
for (let i = 0; i < prerequisites.length; i++) {
inDegree[prerequisites[i][0]]++; // 求课的初始入度值
if (map[prerequisites[i][1]]) {
// 当前课已经存在于邻接表
map[prerequisites[i][1]].push(prerequisites[i][0]);
// 添加依赖它的后续课
} else {
// 当前课不存在于邻接表
map[prerequisites[i][1]] = [prerequisites[i][0]];
}
}
const queue = [];
for (let i = 0; i < inDegree.length; i++) {
// 所有入度为0的课入列
if (inDegree[i] == 0) queue.push(i);
}
let count = 0;
while (queue.length) {
const selected = queue.shift(); // 当前选的课,出列
count++; // 选课数+1
const toEnQueue = map[selected]; // 获取这门课对应的后续课
if (toEnQueue && toEnQueue.length) {
// 确实有后续课
for (let i = 0; i < toEnQueue.length; i++) {
inDegree[toEnQueue[i]]--; // 依赖它的后续课的入度-1
if (inDegree[toEnQueue[i]] == 0) {
// 如果因此减为0,入列
queue.push(toEnQueue[i]);
}
}
}
}
return count == numCourses; // 选了的课等于总课数,true,否则false
};