考虑带有AND节点和OR节点的有向图。 AND节点仅在激活其中的所有边缘时激活。如果OR节点中的至少一个边缘被激活,则激活OR节点。如何设计高效算法来决定是否可以激活所有节点?我考虑过一些天真的算法,但需要O(n ^ 3)时间。我也假设最初激活没有边缘的顶点。我相信n ^ 3不是一个有效的算法,并且有一些我缺少的方法。标记问题可能有解决方案的域。
答案 0 :(得分:4)
为每个节点维护已激活节点的集合A
,节点的队列Q
和内边缘的计数器C
。
从计算边缘开始:
for each n in nodes {
for each n2 adjacent to n {
C[n2] += 1
}
}
然后使用没有内边的节点初始化Q:
for each n in nodes {
if C[n] == 0 {
add n to Q
}
}
现在重复此过程,直到队列为空:
take q from Q
for each n adjacent to q {
if n is in A { continue }
if n is OR {
add n to A
add n to Q
} else { // n must be AND
C[n] -= 1
if C[n] is 0 {
add n to A
add n to Q
}
}
}
[这是拓扑排序的一种变体,可以应对OR和AND节点之间的差异]。
当此过程终止时,集A
包含所有已激活的节点。
运行时为O(V + E),其中V是图中节点的数量,E是边数。
答案 1 :(得分:3)
您可以预处理图形以计算每个节点的入度。
将具有度数为0的所有节点添加到堆栈,并准备一个包含每个节点的激活计数的数组A(最初等于0)。
然后执行以下伪代码
visited = set(stack)
while stack:
node = stack.pop()
for dest in node.neighbours():
A[dest] += 1
if ((Type[dest]==AND and A[dest]==indegree[dest]) or
(Type[dest]==OR and A[dest]>0)):
if node not in visited:
visited.add(node)
stack.append(dest)
这将访问每个边缘和每个节点最多一次,因此将具有线性复杂性。
完成此过程后,visit包含一组已激活的节点。
答案 2 :(得分:1)
可以在O(n)中。这是一种可能的算法。
n
节点总数
s
已激活的节点总和
a
数组,用于指示节点n是否已被激活
c
数组用于计算节点n的传入边数
遍历节点,如果它们没有传入边缘,则用它调用传播函数,例如: propagate(i);
。
如果s == n
已激活所有节点。
propagate
函数的伪代码:
function propagate(idx) {
if (a[idx]) // is node activated already
return; // return because node was already propagated
a[idx] = true; // activate
s++; // increase the number of activated nodes
for (var j = 0; j < outEdges[idx].length; j++) { // iterate through the outgoing edges
var idx2 = outEdges[idx][j]; // the node the edge is pointing to
if (isOrNode[idx2]) {
propagate(idx2);
} else { // AND node
c[idx2]++; // increase the count of incoming activated edges
if (inEdges[idx2].length == c[idx2]) // all incoming edges have been activated
propagate(idx2);
}
}
}