课程安排leetcode：https://leetcode.com/problems/course-schedule/
这个问题涉及检测一个循环，如果有循环，那么你就不能完成所有课程。
我听说最推荐使用 DFS 来检测周期，但推荐使用 Kahn 算法来解决课程安排问题，这是一种 BFS 解决方案。
那么.. 是哪一个？ DFS 更适合检测周期还是 BFS？
【问题讨论】：
标签： algorithm data-structures graph depth-first-search breadth-first-search
在实际工作中，使用 O(N) 堆栈空间总是一个坏主意，因此基于 DFS 的实用解决方案将使用显式堆栈。
显式栈实现有点复杂，因为栈不仅仅是节点栈——你还需要为每个打开的节点将当前位置存储在子列表中——并且遍历逻辑有点复杂复杂。
DFS 解决方案并不糟糕，但如果你想写出一个好的可靠解决方案，那么在最坏的情况下，Khan 的算法最终会变得更简单、更快。它也将使用更少的内存，因为挂起的节点列表只是一个节点列表。 （如果你像堆栈或队列一样使用该列表并不重要。在大多数情况下，像堆栈一样使用它更快/更容易）
因此，如果您要显式检查 DAG 以查看它是否有循环，通常 Khan 的算法是最好的。如果您出于其他原因已经在执行 DFS，并且您希望在此过程中检测循环，则 DFS 技术很有用。
【讨论】：
两者的时间复杂度都是 O(V+E)，空间复杂度都是 O(V+E)。所以在这些方面没有赢家。
一个使用队列，另一个使用堆栈。一个使用每个节点的度数，另一个使用每个节点的访问标记。
一个区别是 DFS 可以通过递归使用隐式堆栈，这可能会使代码更紧凑。但是话又说回来，您会受到可用调用堆栈空间的限制，因此使用递归可能不是大型输入的可行解决方案，而使用显式堆栈最终可能是基于 DFS 的解决方案的选择。
总而言之，他们的结果是平等的。选择其中一个。
【讨论】：