邻接表更实用，尤其适用于真实业务中的稀疏图（如网页链接、交通网络）；邻接矩阵适合顶点数少且边数接近v²的稠密图，查边O(1)但内存固定占O(v²)。
邻接表 vs 邻接矩阵：什么时候该用 map[int][]int
邻接矩阵适合顶点数 v*v 的稠密图（比如全连接模拟），查边是 O(1)，但内存固定占 O(v*v)，加点删点要整体复制数组；而邻接表（如 map[int][]int 或 map[string][]string）更适合网页链接、依赖图、社交关系这类稀疏图——边数远小于顶点平方。
常见错误现象：[20][20]float64 写死大小的邻接矩阵，在节点动态增减时会 panic 或静默越界；生产环境几乎不用二维数组硬编码。
- 用
map[int][]int表示无权有向图：添加边只需g.vertices[v1] = append(g.vertices[v1], v2) - 无向图需双向添加：
g.vertices[v1] = append(g.vertices[v1], v2); g.vertices[v2] = append(g.vertices[v2], v1) - 若需权重，改用
map[int][]Edge，其中type Edge struct { To, Weight int }
DFS递归写法在Go中容易栈溢出，必须改用显式栈
Go 默认 goroutine 栈只有 2KB，深度优先搜索遇到长链（比如 5000 层树）直接触发 runtime: goroutine stack exceeds 1000000000-byte limit 崩溃——这不是逻辑错误，是机制限制。
递归 DFS 在 Go 中仅适用于已知深度可控的小图（depth ）；生产环境一律用显式栈：
立即学习“go语言免费学习笔记（深入）”；
- 初始化：
stack := []int{start}，配合visited map[int]bool防重入 - 安全弹出：
v := stack[len(stack)-1]; stack = stack[:len(stack)-1] - 避免脏数据：
stack = append(stack[:len(stack)-1], ...)可能因底层数组复用导致残留旧值
BFS必须用 queue，且空图不处理会 panic index out of range
BFS靠队列保序，若误用切片尾部追加 + 头部切片（q = q[1:]）看似能跑，但大量小切片会触发频繁内存分配；更糟的是，空图输入时忘记检查 len(vertices) == 0，queue[0] 直接 panic。
- 初始化前先判断：
if len(g.vertices) == 0 { return []int{} } - 用
queue := []int{start}模拟队列，pop 用v := queue[0]; queue = queue[1:] - 注意：虽然
queue[1:]效率不如双端队列，但对中小规模图足够；真要极致性能可换container/list，但多数场景没必要
有向图、无向图、加权图的边添加逻辑差异直接影响遍历结果
同一个 AddEdge 方法，实现稍有偏差，BFS/DFS 输出顺序就可能完全不同，甚至漏节点。
- 无向图：必须双向添加边，否则
BFS(start)只能访问到出边方向的子图 - 有向图：只单向添加，
AddEdge(u, v)表示u → v，不能反推 - 加权图：若用
map[int][]Edge，遍历时需解构edge.To和edge.Weight，别直接拿neighbor当整数用 - 字符串节点名：用
map[string][]string更直观，但要注意 key 是否存在再取值，否则range g.vertices["X"]会 panic
g.vertices = make(map[int][]int)，或者在添加边前没检查节点是否存在。这些不会报编译错，但运行时一访问就 panic。与其花时间 debug 遍历逻辑，不如先确保 AddEdge 调用后，g.vertices[v] 确实包含预期邻居。 
