拓扑排序 示例：
对一个有向无环图(Directed Acyclic Graph，DAG)G进行拓扑排序，是将G中所有顶点排成线性序列，使得图中任意一对顶点u和v，若边(u,v)∈E(G)，则u在线性序列中出现在v之前
一种可能的拓扑排序结果2->8->0->3->7->1->5->6->9->4->11->10->12
算法分析
拓扑排序的方法
从有向图中选择一个没有前驱(即入度为0)的顶点并且输出它；
从网中删去该顶点，并且删去从该顶点发出的全部有向边；
重复上述两步，直到剩余的网中不再存在没有前趋的顶点为止。
Python代码如下：
解法1：用邻接矩阵表示图的拓扑排序
import numpy as np
def topological_sort(g):
n = len(g)
# 获取所有入度为0的结点
q = []
for j in range(n):
flag = True
for i in range(n):
if g[i][j] == 1:
flag = False
break
if flag:
q.insert(0, j)
li = [] # 记录结果
while len(q) > 0:
# p出队，把从p出度的数据置为0
p = q.pop()
li.append(p)
for i in range(n):
if g[p][i] == 1:
g[p][i] = 0 # 去掉连通
# 如果结点i的入度为0则入队结点i
in_degree_count = 0
for u in g:
if u[i] == 1:
in_degree_count += 1
if in_degree_count == 0:
q.insert(0, i)
return li
if __name__ == '__main__':
# 用邻接矩阵表示图
# 初始化图的数据，连通的标记为1
g = np.zeros(shape=(13, 13), dtype='int')
# g[i][j] = 1 表示 i -> j
g[0][1] = g[0][5] = g[0][6] = 1
g[2][0] = g[2][3] = 1
g[3][5] = 1
g[5][4] = 1
g[6][4] = g[6][9] = 1
g[7][6] = 1
g[8][7] = 1
g[9][10] = g[9][11] = g[9][12] = 1
g[11][12] = 1
result = topological_sort(g)
print(result)输出结果：[2, 8, 0, 3, 7, 1, 5, 6, 4, 9, 10, 11, 12]
解法2：用邻接表表示图的拓扑排序
def topological_sort2(g):
n = len(g)
# 计算所有结点的入度
in_degree = [0] * n
for i in range(n):
for k in g[i]:
in_degree[k] += 1
# 入度为0的结点
in_degree_0 = []
for i in range(n):
if in_degree[i] == 0:
in_degree_0.insert(0, i)
li = [] # 记录结果
while len(in_degree_0) > 0:
# p出队
p = in_degree_0.pop()
li.append(p)
for k in g[p]:
# 对应结点的入度减1
in_degree[k] -= 1
if in_degree[k] == 0:
in_degree_0.insert(0, k)
return li
if __name__ == '__main__':
# 用邻接表表示图
g2 = [[]] * 13
g2[0] = [1, 5, 6]
g2[2] = [3]
g2[3] = [5]
g2[5] = [4]
g2[6] = [4, 9]
g2[7] = [6]
g2[8] = [7]
g2[9] = [10, 11, 12]
g2[11] = [12]
result2 = topological_sort2(g2)
print(result2)输出结果：[0, 2, 8, 1, 3, 7, 5, 6, 4, 9, 10, 11, 12]