拓扑排序 - 先将第一个源节点添加到队列的常规顺序

拓扑排序是对有向无环图（DAG）进行排序的一种算法，常用于解决任务调度、项目依赖关系等问题。以下是使用BFS（广度优先搜索）实现拓扑排序的代码示例：

from collections import defaultdict, deque

def topological_sort(graph):
    # 统计每个节点的入度
    in_degree = defaultdict(int)
    for node in graph:
        for neighbor in graph[node]:
            in_degree[neighbor] += 1

    # 将入度为0的节点加入队列
    queue = deque([node for node in graph if in_degree[node] == 0])
    result = []

    while queue:
        node = queue.popleft()
        result.append(node)

        # 将节点的邻居的入度减1，若减至0则加入队列
        for neighbor in graph[node]:
            in_degree[neighbor] -= 1
            if in_degree[neighbor] == 0:
                queue.append(neighbor)

    # 如果图中存在环路，则无法进行拓扑排序
    if len(result) != len(graph):
        raise ValueError("存在环路，无法进行拓扑排序")

    return result

# 示例使用
graph = {
    'A': ['B', 'C'],
    'B': ['D'],
    'C': ['D', 'E'],
    'D': ['E'],
    'E': []
}

result = topological_sort(graph)
print(result)  # 输出: ['A', 'B', 'C', 'D', 'E']

以上代码中，我们首先统计了每个节点的入度，并将入度为0的节点加入队列。然后不断从队列中取出节点，将其加入结果列表，并将其邻居的入度减1。若某个邻居的入度减至0，则将其加入队列。最后，如果结果列表的长度等于图中节点的数量，则说明拓扑排序成功，否则说明图中存在环路导致无法进行拓扑排序。