Detección de ciclo
Guía detallada e implementación de Python para el problema de 'Detección de ciclo'.
1. aprender
El problema de la 'Detección de ciclos' es un desafío clave en la sección de Gráficos.
Esta implementación se centra en la lógica de nivel fácil en Python.
Priorizamos la precisión técnica y la legibilidad del código en las soluciones que brindamos.
2. Real-World Applications
3. Visual Intuition
Visualización del flujo lógico para la detección de ciclos.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Lea atentamente el planteamiento del problema de Detección de ciclos.
2. Formulate brute force
Redacte una solución iterativa simple.
3. Identify inefficiency
Busque cálculos redundantes.
4. Optimize search path
Utilice hash o clasificación para acelerar el proceso.
5. Final Implementation
Limpiar el código para los estándares de producción.
Declaración del problema
Escriba una función has_cycle(graph) que tome un gráfico dirigido representado como una lista de adyacencia de listas de vecinos y devuelva True si contiene al menos un ciclo, o False en caso contrario.
- •1 <= V <= 500
- •0 <= E <= 1000
Ejemplos
graph = {0: [1], 1: [2], 2: [0]}True
The path 0 -> 1 -> 2 -> 0 forms a cycle.
graph = {0: [1], 1: [2], 2: []}False
The graph is acyclic.
Need a Hint?
Edge Cases to Watch
- Estructuras de entrada vacías
- Entradas de un solo elemento
- Grandes límites numéricos
¿Listo para resolver?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Ideas y variaciones de la entrevista
Desglose del análisis de complejidad
Por qué el tiempo: Directly evaluates all possibilities.
Por qué el espacio: Uses standard local memory.
Por qué el tiempo: Optimized paths reduce total operations.
Por qué el espacio: May trade memory for speed.
Código Python de solución optimizada
Código Python de solución optimizada
def has_cycle_bfs(num_nodes, edges):
from collections import deque
adj = [[] for _ in range(num_nodes)]
in_degree = [0] * num_nodes
for u, v in edges:
adj[u].append(v)
in_degree[v] += 1
queue = deque([i for i in range(num_nodes) if in_degree[i] == 0])
count = 0
while queue:
u = queue.popleft()
count += 1
for v in adj[u]:
in_degree[v] -= 1
if in_degree[v] == 0: queue.append(v)
return count != num_nodesCódigo de fuerza bruta (spoiler guardado)
Código de fuerza bruta (spoiler guardado)
def has_cycle_dfs(graph):
visited = set()
path = set()
def dfs(u):
visited.add(u)
path.add(u)
for v in graph[u]:
if v in path: return True
if v not in visited:
if dfs(v): return True
path.remove(u)
return False
for node in graph:
if node not in visited:
if dfs(node): return True
return FalseAlgorithm Pattern Checklist
When dealing with Graphs data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Se aplican las propiedades del problema de gráficos estándar.
Preguntas relacionadas
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Recursos recomendados de Python
Amplíe sus conocimientos con tutoriales interactivos relacionados, hojas de trucos y comparaciones de códigos.
Bucles de Python
Aprenda a utilizar bucles de Python para iterar sobre datos. Domine los bucles for, while, rompa, continúe y realice bucles con ejemplos interactivos.
Cómo ordenar una lista en Python
Aprenda a ordenar una lista en Python usando el método sort() y la función sorted(). Descubra ejemplos de ordenación inversa y clasificación de claves personalizadas.
Hoja de trucos sobre métodos de cadenas de Python
Una guía de referencia completa para la manipulación de cadenas de Python. Domine el formateo, la búsqueda, la división, el reemplazo y la verificación de las propiedades de las cadenas.
Python vs JavaScript: ¿Qué lenguaje de programación es mejor?
Una comparación completa entre Python y JavaScript. Explore las diferencias de sintaxis, el rendimiento, los casos de uso (backend frente a frontend) y ejemplos de codificación.