Android 启动优化（二） - 拓扑排序的原理以及解题思路
Android 启动优化（三） - AnchorTask 使用说明
Android 启动优化（四）- 手把手教你实现 AnchorTask
Android 启动优化（五）- AnchorTask 1.0.0 版本更新了
这几篇文章从 0 到 1，讲解 DAG 有向无环图是怎么实现的，以及在 Android 启动优化的应用。
推荐理由：现在挺多文章一谈到启动优化，动不动就聊拓扑结构，这篇文章从数据结构到算法、到设计都给大家说清楚了，开源项目也有非常强的借鉴意义。
春节之前，更新了一篇博客 Android 启动优化（一） - 有向无环图，反响还不错，今天，让我们一起来看一下，怎样用代码实现有向无环图。
拓扑排序的英文名是 Topological sorting。
拓扑排序要解决的问题是给一个图的所有节点排序。有向无环图才有拓扑排序，非有向无环图没有。
换句话说，拓扑排序必须满足以下条件
图必须是一个无环有向图。序列必须满足的条件：
- 每个顶点出现且只出现一次。
- 若存在一条从顶点 A 到顶点 B 的路径，那么在序列中顶点 A 出现在顶点 B 的前面。
我们已 leetcode 上面的一道算法题目作为切入点进行讲解。
leeocode 210: leetcode-cn.com/problems/co…
eg: 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
示例 2
这道题，很明显，看起来可以有有向无环图的解法来解决
我们首先引入有向图 描述依赖关系
示例：假设 n=6，先决条件表：[ [3, 0], [3, 1], [4, 1], [4, 2], [5, 3], [5, 4] ]
- 0, 1, 2 没有先修课，可以直接选。其余的，都要先修 2 门课
- 我们用 有向图 描述这种 依赖关系 (做事的先后关系)：
在有向图中，我们知道，有入度和出度概念：
如果存在一条有向边 A --> B，则这条边给 A 增加了 1 个出度，给 B 增加了 1 个入度。所以顶点 0、1、2 的 入度为 0。 顶点 3、4、5 的 入度为 2
- 我们关心 课程的入度 —— 该值要被减，要被监控
- 我们关心 课程之间的依赖关系 —— 选这门课会减小哪些课的入度
- 因此我们需要合适的数据结构，去存储这些关系,这个可以通过哈希表
- 维护一个 queue，里面都是入度为 0 的课程
- 选择一门课，就让它出列，同时 查看哈希表，看它 对应哪些后续课
- 将这些后续课的 入度 - 1，如果有减至 0 的，就将它推入 queue
- 不再有新的入度 0 的课入列 时，此时 queue 为空，退出循环
- 对图执行深度优先搜索。
- 在执行深度优先搜索时，若某个顶点不能继续前进，即顶点的出度为0，则将此顶点入栈。
- 最后得到栈中顺序的逆序即为拓扑排序顺序。
这篇博客从实战的角度出发，介绍了有向无环图的两种解法，入度表法和 DFS 法。其中，入度表法很重要，必须掌握。下一篇，我们将从 项目实战的角度来讲解，怎样搭建一个有向无环图的通用框架，敬请期待。
AnchorTask 源码已经更新到 github，AnchorTask，下一篇，将输出 AnchorTask 使用说明，敬请期待。
如果你觉得对你有所帮助，可以关注我的微信公众号程序员徐公
我正在参与掘金技术社区创作者签约计划招募活动，点击链接报名投稿。
