拓扑排序失败主要因图中存在环路依赖，导致无法找到入度为0的起始节点；具体原因包括入度数组未初始化、邻接表方向错误、入度更新时机不当或漏更新，最终表现为结果序列长度小于节点总数。
为什么拓扑排序失败？先检查入度数组是否初始化为0
拓扑排序卡在空队列或提前退出，大概率是 inDegree 数组没清零。C++中用 vector<int> inDegree(n, 0)</int> 初始化是安全的，但若手写 int inDegree[1000] 而没 memset(inDegree, 0, sizeof(inDegree))，残留值会误判节点入度，导致某些节点永远进不了队列。
常见错误现象：result.size() != n，且无报错；调试时发现某节点 inDegree[v] 显示为随机大数。
- 使用
vector优先于裸数组，避免手动清零遗漏 - 若必须用数组，初始化后立刻用
std::fill或memset - 对每个边
u → v，只执行一次inDegree[v]++，别重复加
如何正确构建邻接表并遍历出边？注意 vector> 的索引方向
Kahn算法依赖“从当前节点出发能到达哪些节点”，所以邻接表必须是 graph[u] 存储所有 v，满足 u → v。反了会导致 BFS 阶段无法更新下游入度。
典型错误：把边 u → v 错存为 graph[v].push_back(u)，结果 BFS 弹出 u 后，根本找不到它的出边，inDegree 无法递减，后续节点全被卡住。
- 读入边时，明确写成
graph[u].push_back(v) - 验证方式：打印
graph[0]，确认其中元素都是从节点 0 出发的终点 - 若输入是无向图边，需额外判断——拓扑排序只适用于有向无环图（DAG），无向边直接导致环，算法应拒绝处理
BFS过程中何时更新入度？必须在弹出节点后立即处理其所有邻接点
核心逻辑不是“遇到入度0就加入队列”，而是“每处理一个节点，就把它所有后继的入度减1；减完若为0，才入队”。顺序颠倒（比如先入队再减）或漏减，都会破坏拓扑序。
性能影响：每次减操作是 O(1)，总时间仍是 O(V + E)；但若用 map 或 set 存邻接关系而没预分配，常数变大，小数据看不出，大数据可能超时。
- 标准流程：
int u = q.front(); q.pop();→ 遍历for (int v : graph[u])→inDegree[v]--;→ 若inDegree[v] == 0则q.push(v) - 不要在循环内修改
q以外的容器（如边删graph[u]），没必要且易错 - 用
queue<int></int>足够，不需要priority_queue（除非要求字典序最小拓扑序）
怎么判断图含环？仅靠队列空还不够
队列空了但 result.size() ，说明存在环。这是 Kahn 算法天然的环检测机制——环内所有节点入度永远 > 0，无法入队。
容易被忽略的点：如果图不连通，但各连通分量都是 DAG，仍能完成排序；只有存在至少一个有向环时，result 才会变短。别误把孤立点当环——孤立点入度为 0，初始就会入队。
- 最终必须检查
if (result.size() != n) { /* cycle detected */ } - 不要依赖异常或返回码隐藏环信息；业务逻辑需显式处理该分支
- 调试时可额外统计“入队次数”和“出队次数”，二者应相等；不等说明队列逻辑有误
拓扑序本身不唯一，但入度统计与 BFS 的耦合方式决定了每次运行结果稳定——除非你用了 unordered_set 遍历邻接表，那顺序就不可控了。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
