C++如何用队列实现广度优先搜索BFS查找最短路径

来源:Vuejs社区作者:长沙网站建设头衔:草根站长
导读:本期聚焦于小伙伴创作的《C++如何用队列实现广度优先搜索BFS查找最短路径》,敬请观看详情,探索知识的价值。以下视频、文章将为您系统阐述其核心内容与价值。如果您觉得《C++如何用队列实现广度优先搜索BFS查找最短路径》有用,将其分享出去将是对创作者最好的鼓励。

广度优先搜索是一种逐层遍历图的算法,核心思想是从起始节点开始,先访问所有距离起始节点为1的节点,再访问距离为2的节点,以此类推,直到找到目标节点或者遍历完所有可达节点。由于它是按距离从小到大的顺序访问节点,所以第一次找到目标节点时的路径就是最短路径。

C++如何用队列实现广度优先搜索BFS查找最短路径

BFS与队列的关联

队列是BFS实现的核心数据结构,因为BFS需要按照节点被访问的顺序依次处理后续的邻接节点,而队列先进先出的特性刚好符合这个需求。我们把起始节点放入队列,每次从队列头部取出节点,将其未访问过的邻接节点放入队列尾部,同时记录这些邻接节点的距离,就能保证按距离从小到大的顺序遍历所有节点。

核心实现步骤

  • 定义图的结构,这里用邻接表表示无向图
  • 创建队列存储待访问的节点,创建数组记录节点是否被访问过,创建数组记录每个节点到起始节点的距离
  • 将起始节点入队,标记已访问,距离设为0
  • 循环处理队列中的节点,取出队首节点,遍历其所有邻接节点,若邻接节点未被访问,则标记已访问,更新距离,入队,若邻接节点是目标节点则结束循环
  • 最终目标节点的距离就是最短路径长度

完整代码实现

以下代码实现了用BFS查找无向图中两个节点之间的最短路径,假设图的节点编号从0开始:

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

using namespace std;

// 用邻接表存储图
vector<int> graph[100];
// 标记节点是否被访问
bool visited[100];
// 记录节点到起始节点的距离
int distance[100];

// BFS查找最短路径,返回起始节点到目标节点的最短距离,若不可达返回-1
int bfs_shortest_path(int start, int target, int node_num) {
    // 初始化访问标记和距离数组
    memset(visited, false, sizeof(visited));
    memset(distance, -1, sizeof(distance));
    
    queue<int> q;
    // 起始节点入队
    q.push(start);
    visited[start] = true;
    distance[start] = 0;
    
    while (!q.empty()) {
        int current = q.front();
        q.pop();
        
        // 如果当前节点是目标节点,直接返回距离
        if (current == target) {
            return distance[current];
        }
        
        // 遍历当前节点的所有邻接节点
        for (int neighbor : graph[current]) {
            if (!visited[neighbor]) {
                visited[neighbor] = true;
                distance[neighbor] = distance[current] + 1;
                q.push(neighbor);
            }
        }
    }
    
    // 遍历完所有可达节点仍未找到目标节点,返回-1
    return -1;
}

int main() {
    // 示例:构建有5个节点的无向图
    int node_num = 5;
    // 添加边:0-1, 0-2, 1-3, 2-3, 3-4
    graph[0].push_back(1);
    graph[1].push_back(0);
    
    graph[0].push_back(2);
    graph[2].push_back(0);
    
    graph[1].push_back(3);
    graph[3].push_back(1);
    
    graph[2].push_back(3);
    graph[3].push_back(2);
    
    graph[3].push_back(4);
    graph[4].push_back(3);
    
    int start = 0;
    int target = 4;
    int shortest_path = bfs_shortest_path(start, target, node_num);
    
    if (shortest_path != -1) {
        cout << "从节点" << start << "到节点" << target << "的最短路径长度为:" << shortest_path << endl;
    } else {
        cout << "节点" << start << "到节点" << target << "不可达" << endl;
    }
    
    return 0;
}

代码逻辑解析

上述代码中,graph数组用来存储图的邻接关系,每个索引对应一个节点,数组元素是该节点的所有邻接节点列表。visited数组用来避免重复访问节点,防止进入死循环。distance数组用来记录每个节点到起始节点的最短距离,初始化为-1表示未访问。

bfs_shortest_path函数中,首先将起始节点入队,然后循环处理队列中的节点。每次取出队首节点后,先判断是否是目标节点,如果是就直接返回距离。如果不是,就遍历它的所有邻接节点,将未访问过的邻接节点标记已访问,更新距离,然后入队。这样就能保证所有节点都是按距离从小到大的顺序被访问,第一次找到目标节点时的距离就是最短路径长度。

注意事项

  • 该实现适用于无权图,如果是带权图,BFS无法保证找到的是最短路径,需要使用Dijkstra等算法
  • 图的节点数量需要根据实际情况调整,上述代码默认最大节点数为100,若节点更多可以修改数组大小或者使用动态容器
  • 如果图是有向图,只需要调整邻接表的添加方式,不需要添加反向边即可
  • 队列中存储的是节点编号,距离通过单独的数组记录,避免队列存储过多冗余信息

C++广度优先搜索BFS队列最短路径修改时间:2026-07-21 05:33:22

免责声明:​ 已尽一切努力确保本网站所含信息的准确性。网站内容多为原创整理与精心编撰,观点力求客观中立。本站旨在免费分享,内容仅供个人学习、研究或参考使用。若引用了第三方作品,版权归原作者所有。如内容涉及您的权益,请联系我们处理。
内容垂直聚焦
专注技术核心技术栏目,确保每篇文章深度聚焦于实用技能。从代码技巧到架构设计,为用户提供无干扰的纯技术知识沉淀,精准满足专业提升需求。
知识结构清晰
覆盖从开发到部署的全链路。AI、前端、编程、数据库、服务器、建站、系统层层递进,构建清晰学习路径,帮助用户系统化掌握开发与运维所需的核心技术。
深度技术解析
拒绝泛泛而谈,深入技术细节与实践难点。无论是数据库优化还是服务器配置,均结合真实场景与代码示例进行剖析,致力于提供可直接应用于工作的解决方案。
专业领域覆盖
精准对应开发生命周期。从前端界面到后端编程,从数据库操作到服务器运维,形成完整闭环,一站式满足全栈工程师和运维人员的技术需求。
即学即用高效
内容强调实操性,步骤清晰、代码完整。用户可根据教程直接复现和应用于自身项目,显著缩短从学习到实践的距离,快速解决开发中的具体问题。
持续更新保障
专注既定技术方向进行长期、稳定的内容输出。确保各栏目技术文章持续更新迭代,紧跟主流技术发展趋势,为用户提供经久不衰的学习价值。