拓扑排序结果长度不足或提前终止，通常是Kahn算法中入度数组未初始化、邻接表方向错误、入度更新缺失或初始队列遗漏入度为0节点所致；需严格初始化indegree(n,0)、按u→v建图、全范围扫描节点入队。
如果您在 C++ 中实现图的拓扑排序，但结果序列长度小于节点总数或程序提前终止，则很可能是 Kahn 算法在入度统计或 BFS 执行阶段出现偏差；典型问题包括入度数组未初始化、邻接表方向错误、入度更新缺失或初始队列遗漏节点。以下是解决此问题的步骤：
一、正确初始化入度数组与邻接表
入度数组必须覆盖全部节点编号范围且显式初始化为 0，否则残留值将导致误判入度为 0 或跳过合法起点；邻接表需严格按有向边 u→v 存储，即 graph[u] 包含所有 v，确保 BFS 阶段能正确遍历出边并更新下游入度。
1、声明节点总数 n 后，立即初始化入度数组：vector
2、邻接表统一采用 vector
立即学习“C++免费学习笔记（深入）”；
3、读入每条有向边 u→v 时，执行 graph[u].push_back(v) 和 indegree[v]++，严禁反向写成 graph[v].push_back(u) 或 indegree[u]++。
4、若输入边为 1-based（如节点编号从 1 开始），须在读入后立刻执行 u--, v--，确保下标落在 [0, n−1] 范围内。
二、构建初始 BFS 队列并确保覆盖所有入度为 0 的节点
初始队列必须包含所有满足 indegree[i] == 0 的有效节点，包括孤立点（无入边也无出边）和真实起点（有出边但无入边）；若仅扫描边中出现的节点而忽略未出现在边中的编号，将导致节点永久丢失。
1、遍历范围必须为完整节点集：for (int i = 0; i ，而非仅遍历边列表中的 from 或 to 节点。
2、对每个 i，检查 if (indegree[i] == 0)，成立则调用 q.push(i)。
3、若节点编号不连续或稀疏（如最大编号为 1e5 但仅含 100 个节点），应改用 unordered_map
三、BFS 过程中实时更新入度并严格控制入队时机
BFS 的核心不是“输出节点”，而是“模拟删边”：每次弹出节点 u 后，必须立即对其每个邻接点 v 执行入度减 1，并**仅当减后为 0 时才入队**；延迟判断或合并检查将导致节点漏处理或死循环。
1、从队列取出节点 u 后，立即将其加入结果容器：result.push_back(u)。
2、遍历 graph[u] 中每个 v，执行 --indegree[v]，该操作必须与判断原子执行。
3、紧随减法之后，立即判断：if (indegree[v] == 0) q.push(v)，不可分离为两步，也不可添加额外条件（如 !visited[v]）。
4、禁止在入队前修改 indegree[u] 值（如设为 -1）或使用布尔数组标记已访问——indegree[v] == 0 已是唯一且充分的入队依据。
四、环检测与失败判定的唯一可靠方式
环的存在不能通过队列是否为空、是否找到新入度为 0 节点或剩余 indegree 是否全为 0 来判断；唯一可信依据是最终拓扑序列长度是否等于图中实际有效节点总数。
1、BFS 循环结束后，立即比较：if (result.size() != n)。
2、若条件成立，直接返回空 vector：return {};，表示存在环，无合法拓扑序。
3、若使用 unordered_map 存储 indegree，应以 nodes.size() 为 totalNodes，而非 indegree.size() 或图的最大编号。
4、调试时若发现 result.size()
五、规避常见边界错误的硬性规范
90% 的 Kahn 实现失败源于边界对齐失误，而非算法逻辑错误；必须强制校验节点编号连续性、容器大小匹配性及初始化完整性，否则即使小样例通过，大规模输入必然崩溃。
1、邻接表 graph 声明时必须指定大小 n：vector
2、当 n == 0 或边集为空时，仍需执行完整初始化流程，确保所有 indegree[i] == 0 的节点（即全部 n 个节点）均被推入初始队列。
3、禁止使用 stack 或 priority_queue 替代 queue——前者退化为 DFS 拓扑，失去环检测能力；后者仅在需要字典序最小序时引入，否则徒增 log n 开销。
4、重边（多条 u→v）需在建图阶段去重，或接受 indegree[v] 多次递增；若未去重且只执行一次 indegree[v]--，将导致 indegree[v] 无法归零，节点永久卡住。
