广度优先搜索（Breadth-First Search, BFS）是一种基于队列的图遍历算法，因其逐层探索的特性，在解决最短路径问题（特别是无权图或权值相同的图）时具有天然优势

广度优先搜索（Breadth-First Search, BFS）是一种基于队列的图遍历算法，因其逐层探索的特性，在解决最短路径问题（特别是无权图或权值相同的图）时具有天然优势。本文将深度剖析如何用 BFS 解决最短路径问题，涵盖核心思想、算法步骤、代码实现、适用场景、优化技巧及常见变种问题。一、最短路径问题与 BFS 的适用性1.1 最短路径问题概述定义：在图（有向或无向）中，求从起点到终点的最短路径（通常指边数最少或总权值最小）。分类：无权图：边没有权值，路径长度以边数计算。带权图：边有权值，路径长度以权值和计算。单源最短路径：从一个起点到所有其他节点的最短路径。多源最短路径：从多个起点到其他节点的最短路径。典型问题：无权图单源最短路径（如迷宫问题）。带权图单源最短路径（如 Dijkstra 算法，但 BFS 可用于权值相等的特殊情况）。状态空间中的最短路径（如 BFS 在搜索问题中的应用）。1.2 为什么用 BFS 解决最短路径问题逐层搜索：BFS 使用队列，从起点开始按距离（层数）递增的顺序访问节点，保证首次到达某个节点时，路径长度是最短的。适用场景：无权图：BFS 天然适合，边数即路径长度。权值均为 1 的图：等价于无权图，BFS 直接适用。状态搜索：将问题建模为状态图，BFS 可求最短转换路径。局限性：对于带权图（权值不均等），BFS 无法直接处理，需用 Dijkstra 或 Bellman-Ford 算法。二、BFS 解决最短路径问题的核心思想2.1 BFS 的基本原理BFS 使用队列维护待访问的节点，从起点开始：将起点入队，标记为已访问。每次从队列中取出一个节点，探索其所有邻接节点。将未访问的邻接节点入队，并记录其距离（或路径）。重复直到队列为空或找到目标节点。关键特性：BFS 保证节点按距离起点从近到远访问，因此首次到达终点时，路径即为最短路径。2.2 解决最短路径的步骤建图：将问题转化为图（显式图或隐式图）。初始化：起点入队。初始化距离数组 dist（记录起点到各节点的距离）。初始化访问标记数组 visited。BFS 过程：出队当前节点，探索其邻接节点。对于未访问的邻接节点，更新距离并入队。输出结果：距离：dist[target] 表示起点到终点的最短距离。路径：通过记录前驱节点（prev 数组）回溯路径。三、经典问题与 BFS 解法以下通过几个经典问题，展示 BFS 在最短路径问题中的应用。3.1 无权图单源最短路径问题：给定一个无向无权图，求从起点 s 到终点 t 的最短路径长度。建图：图以邻接表或邻接矩阵表示。状态定义：dist[v]：从起点到节点 v