课程表现在你总共有n门课需要选，记为0到n-1。在选修某些课程之前需要一些先修课程。例如，想要学习

课程表
现在你总共有n门课需要选，记为0到n-1。在选修某些课程之前需要一些先修课程。例如，想要学习课程0，你需要先完成课程1，我们用一个匹配来表示他们：[0, 1]。给定课程总量以及它们的先决条件，判断是否可能完成所有课程的学习？

时间限制：1000
内存限制：65536
输入
多组数据。每组数据第一行是n和m，n表示有n门课程，m表示有m组依赖关系，接下来的m行是依赖关系的具体信息a b，表示第a门课程依赖第b门课程。 0<=n <=1000，0 <= m <= 4000 两组数据之间可能有空行
输出
对每组数据，能完成输出 True，不能完成输出 False
样例输入

样例输出

True
False

提示
示例2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。

【喵呜刷题小喵解析】这道题目是一个典型的拓扑排序问题，可以使用深度优先搜索（DFS）或者广度优先搜索（BFS）来解决。首先，我们需要构建一个图，其中每个节点代表一门课程，如果课程a需要先于课程b完成，那么就在课程a和课程b之间连一条有向边。然后，我们可以使用DFS或者BFS来遍历这个图，如果遍历过程中出现了环，那么就说明存在一门课程需要先于自己完成，这是不可能的，因此无法完成所有课程的学习。如果遍历过程中没有出现环，那么就说明所有课程都可以按照拓扑序完成，因此可以完成所有课程的学习。对于这道题目，我们可以使用DFS来解决。我们可以使用一个数组或者一个栈来保存当前的遍历路径，每次遍历到一个节点时，先判断这个节点是否已经被访问过，如果是，那么就说明存在环，无法完成所有课程的学习；如果不是，那么就标记这个节点为已访问，然后遍历这个节点的所有邻居节点，如果邻居节点没有被访问过，那么就递归遍历邻居节点，如果邻居节点已经被访问过，但是不在当前的遍历路径中，那么就说明存在环，无法完成所有课程的学习。如果遍历完所有的邻居节点都没有出现环，那么就说明可以完成所有课程的学习。对于这道题目，我们可以使用Python语言来实现DFS，具体的代码可以参考以下示例代码：```pythondef can_finish_all_courses(n, m, graph):in_degree = [0] * n # 记录每个节点的入度for i in range(m):a, b = graph[i]in_degree[b] += 1queue = [i for i in range(n) if in_degree[i] == 0] # 将入度为0的节点加入队列visited = [False] * n # 记录每个节点是否已经被访问过while queue:node = queue.pop(0)visited[node] = Truefor neighbor in graph[node]:in_degree[neighbor] -= 1if in_degree[neighbor] == 0:queue.append(neighbor)return all(visited)if __name__ == '__main__':while True:n, m = map(int, input().split())if n == 0 and m == 0:breakgraph = []for i in range(m):a, b = map(int, input().split())graph.append([a, b])if can_finish_all_courses(n, m, graph):print("True")else:print("False")```其中，`graph`是一个二维数组，`graph[i]`表示第i组依赖关系的具体信息，即课程a依赖课程b。`in_degree`是一个长度为n的数组，`in_degree[i]`表示第i个节点的入度。`queue`是一个队列，用来保存入度为0的节点。`visited`是一个长度为n的布尔数组，`visited[i]`表示第i个节点是否已经被访问过。在`can_finish_all_courses`函数中，我们首先统计每个节点的入度，然后将入度为0的节点加入队列。然后，我们不断从队列中取出一个节点，标记为已访问，然后将这个节点的所有邻居节点的入度减1，如果邻居节点的入度变为0，那么就将邻居节点加入队列。最后，我们判断所有节点是否都被访问过，如果是，那么就说明可以完成所有课程的学习，返回True；否则，说明无法完成所有课程的学习，返回False。

答案：

解析：

最热门资讯

JAVA工程师面试指导--猎头内部资料

常见面试问题100问！