有向无环图拓扑排序用结束时间大小实现代码，怎么解释

在使用结束时间（Finish Time，也称为“到达时间”）的概念来实现有向无环图（DAG）的拓扑排序时，我们通常会维护每个节点的最早结束时间（Earliest Finish Time, EFT），这是指从该节点到最后一次离开的时间。当我们对每个节点进行拓扑排序时，我们会先计算出直接前驱节点的最大结束时间，然后加上当前节点的处理时间，得出该节点的结束时间。

以下是一个简单的伪代码示例：

def topological_sort_with_end_times(graph):
    n = len(graph) # 图中节点数
    end_times = [0] * n

    # 初始化每个节点的EFT为无穷大
    for i in range(n):
        end_times[i] = float('inf')

    # 遍历每个节点
    for node in range(n):
        if graph[node]:  # 如果node有前驱节点
            # 更新前驱节点的最大EFT
            max_time = float('-inf')
            for neighbor in graph[node]:
                max_time = max(max_time, end_times[neighbor])
            # 设置当前节点的EFT为最大EFT加处理时间
            end_times[node] = max_time + 1  # 假设每个节点处理时间为1

    # 对于所有节点的EFT小于无穷大的情况，说明图是可达的
    if all(end_times[i] != float('inf') for i in range(n)):
        return end_times[::-1]  # 返回按结束时间倒序的拓扑排序
    else:
        raise ValueError("Graph contains a cycle")

在这个例子中，如果结束时间数组的值不是无限大，表示图是可达的，我们就可以通过这个数组的顺序找到一个拓扑排序。如果某个节点的EFT仍然是无限大，意味着无法确定其正确的结束时间，这意味着图中有环，导致拓扑排序不可能。