kahn算法用std::queue和入度数组实现拓扑排序：建图时记录每条边u→v并统计indeg[v]++，初始化将所有indeg[i]==0的节点入队，每次出队一个点并对其邻接点减入度，减至0则入队；最终若加入拓扑序列的节点数cnt≠总节点数n，则存在环。
用 std::vector<:vector>></:vector> 建图后怎么跑拓扑排序
拓扑排序本质是判断 DAG（有向无环图）是否成立，核心动作就是「删入度为 0 的点，更新邻居入度，重复直到删完或卡住」。c++ 里最常用的是 Kahn 算法，依赖 std::queue 和入度数组。
常见错误现象：queue 为空但还有节点没访问到 → 说明存在环；或者漏初始化入度数组，导致未定义行为。
- 建图时用
adj[u].push_back(v)表示边u → v，同时对每个v执行indeg[v]++ -
indeg数组大小必须覆盖所有可能的节点编号（比如节点是 1~n，数组就要开 n+1，下标 0 不用也行） - 初始把所有
indeg[i] == 0的i入队，哪怕 i 是孤立点（入度出度都为 0）也要算进拓扑序列 - 每次从队列弹出一个点，对其所有邻接点执行
indeg[v]--，减到 0 就立刻入队
检测环时为什么不能只看 queue.empty()
很多人写完 Kahn 就直接检查最后 queue 是否为空，这是错的——queue 只反映“当前可删的点”，不是“是否删完了”。真正判断环的依据是：最终加入拓扑序列的节点数是否等于总节点数。
使用场景：你传入了 n 个节点，但图里实际只出现过其中一部分编号（比如只有 0、2、4），这时要小心「未出现的节点是否该计入总数」。通常约定：输入明确给出节点范围 [0, n) 或 [1, n]，就以 n 为准。
立即学习“C++免费学习笔记（深入）”；
- 维护一个计数器
cnt，每弹出一个点就cnt++ - 循环结束后，
cnt != n就代表有环 - 别用
queue.size() == 0 && cnt 当判断条件——队列空是常态，不意味着结束
std::stack 替换 std::queue 会影响环检测结果吗
不影响。Kahn 算法中用栈还是队列，只改变拓扑序的输出顺序（DFS-like vs BFS-like），不改变「能否遍历全部节点」这个事实。环的存在性是图的固有属性，和遍历容器无关。
性能影响：栈在缓存局部性上略好，但差别微乎其微；兼容性无差异，都是标准容器。
- 如果用
std::stack，记得用s.top()/s.pop()，别误用front() - 不要以为“栈=DFS”就自动支持环检测回溯——Kahn 本身不含递归或回溯逻辑
- 某些 OJ 题目要求字典序最小的拓扑序，这时得用
std::priority_queue，但那是另一回事，和环检测无关
用 DFS 实现环检测时 visited 要分三种状态
DFS 版本不生成拓扑序，只判环，但更贴近直觉：遇到正在递归中的节点，就说明成环。关键在于 visited 不能只是 bool，必须区分「未访问」「访问中」「已访问完」。
错误现象：仅用 bool visited[]，会把反向边（back edge）误判为环；或者漏掉跨连通分量的环（其实不会，但状态不清会导致逻辑混乱）。
- 推荐用
vector<int> state(n, 0)</int>：0 = 未访问，1 = 访问中（在当前 DFS 栈上），2 = 已完成 - 进入 DFS 前设
state[u] = 1，返回前设state[u] = 2 - 遇到邻居
v且state[v] == 1→ 立刻返回 true（发现环） - 注意：必须对每个未访问节点都调用 DFS，不能只从 0 开始——图可能不连通
拓扑排序检测环这件事，难点不在代码长短，而在于对「入度清零」和「DFS 栈帧活性」这两个抽象概念的准确映射。稍不注意，indeg 数组越界、状态变量复用、节点编号与数组下标错位，都会让结果看起来“偶尔对偶尔错”。