C++广度优先搜索介绍

C++广度优先搜索介绍

一、引言

在计算机科学领域，搜索算法是解决众多问题的关键。广度优先搜索（Breadth - First Search，BFS）作为一种经典的搜索算法，在图论、路径规划、状态空间搜索等多个领域有着广泛的应用。它以一种层次化的方式遍历图或树结构，这种特性使其在解决某些特定类型的问题时具有独特的优势。C++作为一种强大的编程语言，为实现BFS算法提供了丰富的工具和高效的实现方式。本文将深入探讨C++中的广度优先搜索，包括其原理、实现方法、应用场景以及优化策略。

二、广度优先搜索基本原理

（一）定义

广度优先搜索是一种用于遍历或搜索图和树的算法。它从起始节点开始，首先访问起始节点的所有邻接节点，然后按照这些邻接节点的顺序，依次访问它们的邻接节点，以此类推，一层一层地向外扩展，直到访问完所有可达节点或找到目标节点。BFS使用队列（Queue）作为辅助数据结构，来存储待访问的节点。

（二）直观理解

可以将广度优先搜索想象成向平静湖面投入一颗石子，激起的涟漪会以同心圆的形式一层一层向外扩散。在搜索过程中，每一层的节点都代表着距离起始节点相同距离的所有节点。例如，在一个城市地图中，如果我们将某个地点作为起始点，BFS就像是从这个点开始，先探索距离它最近的所有街道和路口，然后再逐步探索更远的区域，直到覆盖整个地图或者找到我们要去的目的地。

（三）与深度优先搜索的区别

深度优先搜索（DFS）是沿着一条路径尽可能深地探索下去，直到无法继续或达到目标节点，然后回溯到上一个节点继续探索其他路径。而BFS是一层一层地向外扩展，先访问距离起始节点近的节点。在树结构中，DFS会先访问根节点的一个子节点，然后递归地访问该子节点的子节点，直到到达叶子节点，再回溯；而BFS会先访问根节点的所有子节点，然后再依次访问子节点的子节点。在时间复杂度方面，对于一个具有V个顶点和E条边的图，BFS和DFS的时间复杂度在最坏情况下均为O(V + E)，但由于搜索方式的不同，在实际应用中，它们适用于不同类型的问题。

三、C++实现广度优先搜索

（一）基于邻接矩阵的图表示

在C++中，图可以用邻接矩阵来表示。邻接矩阵是一个二维数组，对于有n个节点的图，邻接矩阵graph[i][j]表示节点i和节点j之间是否有边相连。如果graph[i][j]的值为1，则表示节点i和节点j之间有边；如果为0，则表示没有边。下面是使用邻接矩阵实现BFS的代码示例：

#include <iostream>
#include <queue>
#include <vector>

const int N = 100;  // 图中节点的最大数量
int graph[N][N];    // 邻接矩阵
bool visited[N];    // 标记节点是否被访问过

// 广度优先搜索函数
void bfs(int start) {
   
   
    std::queue<int> q;
    q.push(start);
    visited[start] = true;

    while (!q.empty()) {
   
   
        int node = q.front();
        q.pop();
        std::cout << node << " ";  // 访问节点

        for (int i = 0; i < N; ++i) {
   
   
            if (graph[node][i] &&!visited[i]) {
   
   
                q.push(i);
                visited[i] = true;
            }
        }
    }
}

int main() {
   
   
    // 初始化图
    for (int i = 0; i < N; ++i) {
   
   
        for (int j =