C++实现广度优先搜索BFS _ 队列实现最短路径查找【详解】

C++ BFS最短路径实现：绕开语法陷阱，直击状态定义核心

想用std::queue实现BFS查找最短路径？问题的关键往往不在于“队列怎么用”的语法，而在于“状态如何定义、何时入队、何时跳过”的策略设计。多数人卡壳的地方，其实是重复访问的判断和距离更新的逻辑，而非代码本身。

为什么队列不存距离？额外容器才是关键

BFS之所以能找到最短路径，核心在于其层序扩展的特性。但std::queue本身只是个遵循先进先出（FIFO）原则的容器，它只负责存放待处理的节点（比如整型编号或坐标对），并不记录任何节点到起点的距离信息。因此，必须借助一个独立的容器来专门存储距离（或访问状态）。

• 节点编号连续（0到n-1）？ 首选std::vector dist(n, -1)。初始化为-1是个巧妙的做法，既能表示“未访问”，又能为后续的距离赋值提供便利。
• 节点是坐标或字符串？ 可以考虑std::unordered_map。但要注意，如果键是std::pair，需要为其提供自定义哈希函数，或者改用std::tuple、std::string等已支持哈希的类型。
• 一个常见的误区：试图在入队时“顺便”记录距离，比如写成q.push({next, dist[cur] + 1})。这看似简洁，却埋下了隐患。如果next节点已经被更短的路径访问过，这次入队就是冗余的，甚至会破坏BFS的层序保证。

用dist[node] == -1判断，一举两得

很多教程会建议单独维护一个visited布尔数组，再进行if (!visited[node])的判断。这当然清晰，但增加了一次内存访问，并且需要确保visited与dist的状态同步。更高效且不易出错的做法是：直接利用距离数组进行判断。

• 核心逻辑：if (dist[next] == -1) { dist[next] = dist[cur] + 1; q.push(next); }。这行代码同时完成了“是否首次访问”的判断和“记录最短距离”的任务。
• 重要提醒：BFS仅适用于边权相等的图（通常视为权值为1）。如果图中存在不同的正权边，BFS的“最短”结论将失效，必须改用Dijkstra等算法。不过，上述距离判断的逻辑思想依然相通。
• 顺序很重要：在网格类问题中，务必先进行坐标的越界检查，然后再去查询dist数组，否则可能导致访问非法内存而程序崩溃。

邻接表构建：细节决定成败

BFS算法本身非常稳定，如果跑不通，十有八九是图的结构建错了。确保graph[u]能正确找到所有相邻的v，是第一步。

• 无向图：添加一条边时，必须双向建立连接：graph[u].push_back(v); graph[v].push_back(u);。
• 有向图：只需按照边的方向添加一次：graph[u].push_back(v)。这里要特别小心，别手误写成无向图的形式。
• 网格方向：上下左右四个方向的偏移量数组，写成{-1,0}, {1,0}, {0,-1}, {0,1}。检查一下负号和顺序，一个都不能错。
• 性能小贴士：如果使用std::vector>存储邻接表，可以在初始化时预估每个节点的邻居数量（例如网格题中最多4个），使用reserve预留空间，以减少动态扩容的开销。

找到终点即可返回，无需遍历全图

BFS的优势在于，一旦找到目标节点，当前的距离就是最短距离，算法可以立即结束。

• 在队列处理的循环中，如果当前节点cur == dest，直接返回dist[cur]即可。
• 如果队列清空后仍未遇到终点，则说明起点与终点之间不可达，返回-1或特定的标识值。
• 如果需要还原具体路径，仅靠距离数组不够，还需维护一个parent数组，在扩展节点时记录其前驱节点：parent[next] = cur。搜索结束后，从终点反向回溯至起点。
• 多起点BFS（例如“腐烂的橘子”问题）：技巧在于初始化——将所有起点的距离设为0，并一次性全部加入队列。此后的扩散逻辑与单起点情形完全一致。

说到底，实现BFS的难点，从来不是正确地写出while (!q.empty())循环。真正的挑战在于，如何精确地定义“状态”（一个二维坐标算一个状态，还是坐标加上持有的钥匙共同算一个状态？），并清晰地规划出所有合法且非冗余的状态转移路径。想通了这一点，代码不过是水到渠成的表达。