最后根据依赖项打印完成的任务

在软件开发中，往往需要同时处理多个任务，这些任务之间可能存在依赖关系，即某些任务必须在其他任务完成之后才能开始执行。为了实现这种任务的有序执行，我们需要使用到任务调度算法。

其中一种常用的任务调度算法是根据任务的依赖关系进行拓扑排序。在拓扑排序中，我们使用图的顶点表示任务，边表示依赖关系。通过拓扑排序，我们可以得到一种有序的任务执行顺序，保证每个任务都满足依赖关系。

下面是一个实现最后根据依赖项打印完成的任务的示例代码：

class Solution:
    def findOrder(self, numCourses: int, prerequisites: List[List[int]]) -> List[int]:
        # 构建图，使用字典来存储图的边
        graph = {i: [] for i in range(numCourses)}
        # 存储每个节点的入度
        indegree = [0 for i in range(numCourses)]
        # 将边添加到图中
        for edge in prerequisites:
            graph[edge[1]].append(edge[0])
            indegree[edge[0]] += 1
        # 使用队列来存储入度为0的节点
        queue = []
        for i in range(numCourses):
            if indegree[i] == 0:
                queue.append(i)
        # 使用拓扑排序来得到有序的任务执行顺序
        order = []
        while queue:
            node = queue.pop(0)
            order.append(node)
            for edge in graph[node]:
                indegree[edge] -= 1
                if indegree[edge] == 0:
                    queue.append(edge)
        # 如果存在环，则无法完成排序
        if len(order) != numCourses:
            return []
        # 返回最后根据依赖项打印完成的任务
        return order[::-1]

代码实现中，我们首先构建图，并使用队列存储入度为0的节点，然后使用拓扑排序得到有序的任务执行顺序。如果存在环，则表示无法完成排序，返回空列表。

最后，我们将得到的任务执行顺序进行反转，实现了最后根据依赖项打印完成的任务。

这种算法的时间复杂度为O(n+m)，其中n表示任务数量，m表示依赖关系的数量。可以看出，该算法的时间复杂度非常优秀，可以满足大多数场景的需求。