课程表问题与拓扑排序算法详解

1. 课程表问题背景解析

课程表问题（Course Schedule）是计算机科学中经典的图论应用场景，也是技术面试中的高频考题。这个问题模拟了大学生选课时可能遇到的先修课程限制场景：假设你需要选修n门课程，某些课程可能有先修要求（比如必须先修完课程A才能选修课程B）。题目要求判断是否可能存在一个合理的选课顺序，使得所有课程都能被完成。

这个问题在实际工程中有着广泛的应用场景：

• 软件构建系统中的依赖关系管理（如Maven/Gradle的依赖解析）
• 任务调度系统中的执行顺序安排
• 工作流引擎中的步骤顺序验证
• 生产制造中的工序安排

2. 问题建模与算法选择

2.1 图论模型构建

我们可以将课程表问题抽象为有向图的拓扑排序问题：

• 每门课程代表图中的一个顶点
• 先修关系[a,b]表示一条从b指向a的有向边（必须先修b才能修a）
• 问题转化为：判断这个有向图是否存在拓扑排序

2.2 算法选择与比较

解决拓扑排序问题主要有两种经典算法：

1. Kahn算法（基于入度统计）：

   • 统计每个节点的入度
   • 将入度为0的节点加入队列
   • 依次处理队列中的节点，并更新相关节点的入度
   • 如果最终所有节点都被处理，则存在拓扑排序

2. DFS算法（基于深度优先搜索）：

   • 对每个未访问节点执行DFS
   • 维护访问状态（未访问/访问中/已访问）
   • 如果在DFS过程中遇到"访问中"的节点，说明存在环

两种算法的时间复杂度都是O(V+E)，其中V是顶点数，E是边数。Kahn算法通常更直观，而DFS算法可以更容易地输出具体的拓扑顺序。

3. Kahn算法详细实现

3.1 算法步骤详解

以下是基于Kahn算法的Python实现：

python复制from collections import deque

def canFinish(numCourses, prerequisites):
    # 初始化邻接表和入度数组
    adj = [[] for _ in range(numCourses)]
    in_degree = [0] * numCourses
    
    # 构建图结构
    for dest, src