LeetCode 2050 并行课程3

1 题目

原题链接。

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和课程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和课程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+1有n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 ());
        }
        // 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 

时间与内存如下：

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：

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 ());
        }
        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 

时间：

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 ());
        }
        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 

时间：

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 

时间：

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。