bash shell 获取当前绝对路径

### 拓扑排序在有向无环图中的实现 #### 使用DFS实现拓扑排序 对于有向无环图(DAG)，通过深度优先搜索(DFS)来执行拓扑排序是一种常见的方式。当访问某个节点时，会递归地先访问其所有未被访问过的邻居节点，在回溯过程中记录下当前节点。 ```cpp void DFSVisit(const Graph& G, int u, vector<bool>& visited, list<int>& topoOrder) { visited[u] = true; for (int v : adjacencyList[u]) { if (!visited[v]) DFSVisit(G, v, visited, topoOrder); } // 记录顶点顺序（逆序） topoOrder.push_front(u + 1); } list<int> TopologicalSort_DFS(const Graph& G) { vector<bool> visited(G.n, false); list<int> topoOrder; for (int i = 0; i < G.n; ++i) { if (!visited[i]) DFSVisit(G, i, visited, topoOrder); } return topoOrder; } ``` 这种方法利用了栈结构特性——最后进入的元素最先出来(LIFO),因此可以在每次完成子树遍历之后立即将根结点加入到结果列表中[^1]。 #### 使用BFS实现拓扑排序(Kahn算法) 广度优先搜索(BFS)也可以用来做拓扑排序，这通常被称为Kahn算法。该方法基于入度的概念：只有那些没有任何前置条件的任务才能被执行。具体来说就是找到所有入度为零的节点作为起始点，并将其移除后更新其他节点的入度值，重复此操作直至处理完所有的节点为止。 ```cpp vector<int> TopologicalSort_BFS(const Graph& G) { queue<int> q; vector<int> indegree(G.n, 0); // 初始化各节点的入度 for (auto adjVertices : adjacencyList) for (int dest : adjVertices) indegree[dest]++; // 将所有入度为0的节点放入队列 for (size_t i = 0; i < indegree.size(); ++i) if (indegree[i] == 0) q.push(i); vector<int> result; while (!q.empty()) { int currentVertex = q.front(); q.pop(); result.push_back(currentVertex + 1); for (int neighbor : adjacencyList[currentVertex]) { --indegree[neighbor]; if (indegree[neighbor] == 0) q.push(neighbor); } } // 如果存在环，则无法完全排序 if (result.size() != G.n) throw runtime_error("Graph has at least one cycle"); return result; } ``` 这里采用了一个先进先出(FIFO)的数据结构`queue`,每当遇到一个新的入度降为0的节点就立即处理它并继续寻找新的候选者[^2]. #### 方法比较 两种方式各有优劣： - **时间复杂度**:两者都是O(V+E)，其中V表示顶点数量,E代表边的数量. - **空间消耗**:由于都需要额外的空间存储已访问状态以及最终的结果序列,BFS可能还需要更多的辅助数组用于保存各个节点的入度信息。 - **适用场景**: - 当希望按照自然逻辑顺序构建解决方案时可以选择DFS版本； - 对于大规模稀疏网络而言,Khan's Algorithm即BFS更易于理解和实现，而且更容易扩展以支持动态变化的情况.