由于有这个特点，因此常常用有向无环图的数据结构用来解决依赖关系。
上图中，拓扑排序之后，任务2肯定排在任务1之后，因为任务2依赖 任务1， 任务3肯定在任务2之后，因为任务3依赖任务2。
拓扑排序一般有两种算法，第一种是入度表法，第二种是 DFS 方法。下面，让我们一起来看一下怎么实现它。
入度表法
入度表法是根据顶点的入度来判断是否有依赖关系的。若顶点的入度不为 0，则表示它有前置依赖。它也常常被称作 BFS 算法
算法思想
-
建立入度表，入度为 0 的节点先入队
-
当队列不为空，进行循环判断
-
- 节点出队，添加到结果 list 当中
-
将该节点的邻居入度减 1
-
若邻居节点入度为 0，加入队列
-
若结果 list 与所有节点数量相等，则证明不存在环。否则，存在环
实例讲解
下图所示的有向无环图，采用入度表的方法获取拓扑排序过程。
!
首先，我们选择入度为 0 的顶点，这里顶点 1 的入度为 0，删除顶点 1 之后，图变成如下。
这时候，顶点 2 和顶点 4 的入度都为 0，我们可以随便删除一个顶点。（这也就是为什么图的拓扑排序不是唯一的原因）。这里我们删除顶点 2，图变成如下：
这时候，我们再删除顶点 4，图变成如下：
选择入度为 0 的顶点 3，删除顶点 3 之后，图标称如下，
最后剩余顶点5，输出顶点5，拓扑排序过程结束。最终的输出结果为：
到此，优先无环图的入度法的流程已经讲解完毕。你清楚了嘛。
代码的话，下期会一起给出。
时间复杂度
设 AOE 网有 n 个事件，e 个活动，则算法的主要执行是：
-
求每个事件的ve值和vl值：时间复杂度是O(n+e) ；
-
根据ve值和vl值找关键活动：时间复杂度是O(n+e) ；
因此，整个算法的时间复杂度是O(n+e)
DFS 算法
从上面的入度表法，我们可以知道，要得到有向无环图的拓扑排序，我们的关键点要找到入度为 0 的顶点。然后接着删除该结点的相邻所有边。再遍历所有结点。直到入度为 0 的队列为空。这种方法其实是 BFS。
说到 BFS，我们第一时间就想到 DFS。与 BFS 不同的是，DFS 的关键点在于找到，出度为0的顶点。
总结如下，深度优先搜索过程中，当到达出度为0的顶点时，需要进行回退。在执行回退时记录出度为0的顶点，将其入栈。则最终出栈顺序的逆序即为拓扑排序序列。
算法思想
-
对图执行深度优先搜索。
-
在执行深度优先搜索时，若某个顶点不能继续前进，即顶点的出度为0，则将此顶点入栈。
-
最后得到栈中顺序的逆序即为拓扑排序顺序。
实例讲解
同样，以下图讲解 DFS 算法的过程。
(1) 从顶点 1 开始出发，开始执行深度优先搜索。顺序为1->2->3->5。
总结
其实要轻松掌握很简单，要点就两个：
- 找到一套好的视频资料，紧跟大牛梳理好的知识框架进行学习。
- 多练。 （视频优势是互动感强，容易集中注意力）
你不需要是天才，也不需要具备强悍的天赋，只要做到这两点，短期内成功的概率是非常高的。
对于很多初中级Android工程师而言，想要提升技能，往往是自己摸索成长，不成体系的学习效果低效漫长且无助。
还有 高级架构技术进阶脑图、Android开发面试专题资料，高级进阶架构资料 帮助大家学习提升进阶，也节省大家在网上搜索资料的时间来学习，也可以分享给身边好友一起学习。
【Android核心高级技术PDF文档，BAT大厂面试真题解析】点击：Android架构视频+BAT面试专题PDF+学习笔记即可获取！查看免费领取方式！
ndroid%E5%BC%80%E5%8F%91%E4%B8%8D%E4%BC%9A%E8%BF%99%E4%BA%9B%EF%BC%9F%E5%A6%82%E4%BD%95%E9%9D%A2%E8%AF%95%E6%8B%BF%E9%AB%98%E8%96%AA%EF%BC%81.md)即可获取！查看免费领取方式！**
[外链图片转存中…(img-BjQt8x72-1646472229309)]
