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，返回你为了学完所有课程所安排的学习顺序。
可能会有多个正确的顺序，你只要返回一种就可以了。如果不可能完成所有课程，返回一个空数组。
示例 1:
输入: 2, [[1,0]]
输出: [0,1]
解释: 总共有 2 门课程。要学习课程 1，你需要先完成课程 0。因此，正确的课程顺序为 [0,1] 。
示例 2:
输入: 4, [[1,0],[2,0],[3,1],[3,2]]
输出: [0,1,2,3] or [0,2,1,3]
解释: 总共有 4 门课程。要学习课程 3，你应该先完成课程 1 和课程 2。并且课程 1 和课程 2 都应该排在课程 0 之后。
因此，一个正确的课程顺序是 [0,1,2,3]。另一个正确的排序是 [0,2,1,3]。
说明:
- 输入的先决条件是由边缘列表表示的图形，而不是邻接矩阵。详情请参见图的表示法。
- 你可以假定输入的先决条件中没有重复的边。
提示:
- 这个问题相当于查找一个循环是否存在于有向图中。如果存在循环，则不存在拓扑排序，因此不可能选取所有课程进行学习。
- 通过 DFS 进行拓扑排序 - 一个关于Coursera的精彩视频教程（21分钟），介绍拓扑排序的基本概念。
-
拓扑排序也可以通过 BFS 完成。
思路：首先参考它的第一题：Course Schedule 课程表，思路基本不变，这里采用BFS的做法，只需要在过程中把入度为0的节点逐个累加到res中即可，如果在某一次循环中发现没有入度为0的节点，直接返回空数组（证明有环）。
参考代码：
扫描二维码关注公众号，回复：
3345306 查看本文章
class Solution {
public:
vector<unordered_set<int>> make_graph(int numCourses, vector<pair<int, int>>& prerequisites) {
vector<unordered_set<int>> graph(numCourses);
for (auto item : prerequisites) {
graph[item.second].insert(item.first);
}
return graph;
}
vector<int> calculate_indegree(vector<unordered_set<int>> &graph) {
vector<int> indegree_node(graph.size());
for (auto neibors : graph) {
for (auto neibor : neibors) {
indegree_node[neibor]++;
}
}
return indegree_node;
}
vector<int> findOrder(int numCourses, vector<pair<int, int>>& prerequisites) {
vector<unordered_set<int>> graph = make_graph(numCourses, prerequisites);
vector<int> indegree_nodes = calculate_indegree(graph);
vector<int> res;
for (int i = 0; i < numCourses; i++) {
int j = 0;
for (; j < numCourses; j++) {
if (indegree_nodes[j] == 0) break;
}
if (j == numCourses) return {};
indegree_nodes[j] = -1;
res.push_back(j);
for (auto neibor : graph[j]) {
indegree_nodes[neibor]--;
}
}
return res;
}
};