Python迷宫寻路实战：从DFS回溯到BFS最短路径的算法演进

1. 迷宫寻路：从游戏到算法的思维转换

第一次接触迷宫问题是在小学计算机课上，老师用字符画了一个简单的迷宫让我们用键盘控制角色移动。那时候只觉得这是个有趣的游戏，直到大学学习算法时才意识到，原来迷宫背后藏着如此精妙的计算思维。

迷宫问题本质上是一个图遍历问题。我们可以把迷宫的每个格子看作图中的一个节点，相邻的可通行格子之间用边连接。这样一来，寻路问题就转化为在图结构中寻找从起点到终点的路径。这种抽象思维是算法学习的关键突破点——把具体问题转化为通用计算模型。

Python特别适合用来实现这类算法，原因有三：一是语法简洁，可以更专注于算法逻辑；二是数据结构丰富，内置的列表、字典、队列等能直接支持算法实现；三是可视化方便，可以用matplotlib等库直观展示算法过程。我在教学实践中发现，用Python实现算法比C++/Java等语言更容易让学生理解核心思想。

下面这个5x5的迷宫矩阵就是我们今天要攻克的"战场"：

python复制maze = [
    [0, 1, 1, 1, 1],  # 0表示可通行，1表示障碍
    [0, 0, 0, 0, 1],
    [1, 1, 1, 0, 1],
    [1, 0, 0, 0, 1],
    [1, 0, 0, 0, 0]
]
start = (0, 0)  # 起点坐标
end = (4, 4)    # 终点坐标

2. DFS深度优先：像探险家一样探索迷宫

2.1 递归与回溯的核心思想

深度优先搜索(DFS)的工作方式就像一个人在迷宫中探索：选择一条路走到尽头，遇到死胡同就返回上一个岔路口。这种"一条道走到黑"的策略用递归实现特别自然。

我第一次实现DFS时踩过一个坑：忘记标记已访问节点，导致程序在相邻格子间无限循环。后来才明白访问标记的重要性——它相当于我们在走过的路上撒下面包屑，避免绕圈子。下面是DFS的关键代码结构：

python复制visited = [[False]*n for _ in range(m)]  # 访问标记矩阵
path = []  # 当前路径
result = []  # 存储找到的路径

def dfs(current):
    if current == end:
        result.app