在JavaScript中，可以使用深度优先搜索（DFS）或广度优先搜索（BFS）算法实现拓扑排序。
首先，我们需要构建一个有向无环图（DAG）来表示依赖关系。可以使用邻接表或邻接矩阵来表示图。
接下来，我们可以通过DFS或BFS遍历图，并在遍历过程中记录节点的访问状态，以实现拓扑排序。
以下是使用DFS实现拓扑排序的示例代码：
```javascript
function topologicalSort(graph) {
const visited = new Set();
const stack = [];
function dfs(node) {
visited.add(node);
graph[node].forEach(neighbor => {
if (!visited.has(neighbor)) {
dfs(neighbor);
}
});
stack.unshift(node);
}
Object.keys(graph).forEach(node => {
if (!visited.has(node)) {
dfs(node);
}
});
return stack;
}
// 示例图
const graph = {
A: ['B', 'C'],
B: ['D'],
C: ['D'],
D: []
};
const result = topologicalSort(graph);
console.log(result); // 输出: ["A", "C", "B", "D"]
```
以上代码中，我们使用深度优先搜索算法来遍历图，使用一个`visited`集合来记录已访问的节点，使用一个`stack`数组来存储已经完成拓扑排序的节点。
最后，我们返回`stack`数组，该数组中的顺序即为拓扑排序的结果。
需要注意的是，上述代码中的示例图是一个简化的有向无环图，实际应用中的图可能更加复杂和庞大。因此，在实际应用中，可能需要对算法进行优化，比如添加判断节点是否已经存在`stack`数组中的逻辑，以避免重复访问节点。此外，还需要处理可能存在的环路（循环依赖）情况。
