leetcode课程表：https://leetcode.com/problems/course-schedule/
这个问题涉及到检测一个循环，如果有一个循环，那么你就无法完成所有课程。
我听说DFS最推荐用于检测周期，但Kahn算法更推荐用于课程安排问题，这是一种BFS解决方案。
所以..是哪一个？ DFS 更适合检测周期还是 BFS 更好？
两者的时间复杂度都是 O(V+E)，空间复杂度都是 O(V+E)。因此，从这些角度来看，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，这可能会使代码更加紧凑。但话又说回来，您会受到可用调用堆栈空间的限制，因此对于大输入来说，使用递归可能不是一个可行的解决方案，并且使用显式堆栈最终可能是基于 DFS 的解决方案的选择。
所以总而言之，它们是平等的。选择其中之一。
在实际工作中，使用 O(N) 堆栈空间总是一个坏主意，因此实用的基于 DFS 的解决方案将使用显式堆栈。
显式堆栈实现有点复杂，因为堆栈不仅仅是节点堆栈——您还需要存储每个打开节点在子列表中的当前位置——并且遍历逻辑变得有点复杂。
DFS 解决方案并不糟糕，但如果你想编写一个好的可靠解决方案，那么 Khan 的算法在最坏的情况下最终会变得更简单、更快。它还将使用更少的内存，因为待处理节点列表只是节点列表。 （如果您像堆栈或队列一样使用该列表并不重要。在大多数情况下，像堆栈一样使用它会更快/更容易）
因此，如果您要显式检查有向图以查看它是否有循环，通常卡恩算法是最好的。如果您已经出于其他原因进行了 DFS 并且想要检测沿途的循环，则 DFS 技术非常有用。