kahn算法必须用入度为0的节点启动，因为拓扑序要求前置依赖必须先于当前节点出现，入度为0表示无未满足依赖，可安全加入序列；否则必因环导致卡死。
为什么 Kahn 算法必须用入度为 0 的节点启动
因为拓扑序的本质是「所有前置依赖必须先于当前节点出现」，而入度恰好表示依赖数量。只有入度为 0 的节点没有未满足的前置条件，才能安全加入序列开头。若强行从入度非零节点开始，后续必然卡死——队列空但图未遍历完，此时可直接判定存在环。
实际编码中常见错误是初始化时漏掉某些入度为 0 的节点，尤其当图含孤立点（无边连接）时：indegree[v] == 0 仍需入队，否则结果缺失该节点。
- 检查图中每个节点
v是否都参与了indegree数组初始化（哪怕其值为0） - 邻接表构建后，务必遍历全部节点编号范围（如
0到n-1），不能只遍历边的起点/终点集合 - 若输入只给边列表，需先扫描所有边提取最大节点编号，再补全未出现的节点
如何正确构建邻接表并同步更新入度数组
邻接表决定 BFS 的遍历方向，入度数组决定哪些节点能入队。二者必须严格对应：每条边 u → v 意味着 v 多一个依赖，即 indegree[v]++，同时 graph[u] 要包含 v。
易错点在于边方向理解反了。例如把「任务 A 必须在 B 前完成」建模为 A → B 是错的——这表示 A 依赖 B；正确应为 B → A（B 完成后 A 才能启动），此时 indegree[A]++。
- 统一约定：边
u → v表示「u是v的前置条件」，即v依赖u -
graph[u].push_back(v)和indegree[v]++必须成对出现，建议写在同一行或紧邻位置 - 使用
vector<vector>></vector>存邻接表时，索引从0开始；若节点编号不连续（如1,3,7），改用unordered_map<int vector>></int>并配unordered_map<int int></int>存入度
BFS 过程中删边操作为何只需减入度而不真删邻接表
Kahn 算法里的「删边」是逻辑操作：当处理节点 u 时，遍历其所有邻居 v，对每个 v 执行 indegree[v]--。若减后为 0，说明 v 的所有前置都已处理完毕，可入队。邻接表 graph[u] 本身无需修改——既节省时间，又避免迭代器失效问题。
真实删除边（如从 graph[u] 中移除 v）不仅没必要，还会让代码变慢且易出错。BFS 本就不关心「u 还剩几条出边」，只关心「v 的入度是否清零」。
- 核心循环体固定为：
for (int v : graph[u]) { indegree[v]--; if (indegree[v] == 0) q.push(v); } - 不要在循环内调用
erase或clear操作邻接表 - 若需调试，可加日志打印
u和v，但避免在生产代码中做额外容器操作
如何可靠检测环并区分「无环但不连通」和「有环」
算法结束后，仅凭队列是否为空无法判断环——队列空只说明当前无可入队节点，但图可能还有剩余节点。真正可靠的判据是：拓扑序列长度是否等于节点总数 n。若 result.size() ，必存在环。
注意：不连通图（多个 DAG 组成）只要无环，仍能生成完整拓扑序。Kahn 算法天然支持多源启动，初始队列可含多个入度为 0 的节点，BFS 会自动覆盖所有连通分量。
- 初始化队列前，确保所有入度为
0的节点均已入队（包括孤立点） - 最终比较
result.size() == n，而非检查q.empty() - 若需定位环，可在 BFS 结束后遍历所有
indegree[v] > 0的节点，它们一定属于某个环（或被环间接依赖）
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！
