图的BFS遍历：邻接矩阵与链式前向星对比

1. 项目概述：图的BFS遍历实现方案对比

在算法竞赛和数据结构学习中，图的广度优先搜索（BFS）是最基础也最重要的算法之一。题目"东方博宜OJ 2053"要求实现图的BFS遍历，并明确给出了两种存储结构的实现路径：链式前向星和邻接矩阵。这两种结构在实际应用中各有优劣，选择哪种方式往往取决于具体问题的数据规模和时间效率要求。

我曾在多个算法竞赛中处理过类似的图遍历问题，发现初学者最容易犯的错误就是存储结构选择不当。比如在节点数超过10^5的稀疏图中使用邻接矩阵，导致内存爆炸；或者在需要频繁查询边权重的场景使用链式前向星，造成编码复杂度陡增。本文将结合OJ题目的具体要求，详细解析这两种存储结构下的BFS实现差异。

2. 核心数据结构解析

2.1 邻接矩阵的实现特点

邻接矩阵是图论中最直观的存储方式，用一个二维数组matrix[u][v]表示顶点u到v的边信息。在无权图中通常用0/1表示边的存在性，带权图则存储具体权值。

cpp复制// 邻接矩阵声明示例
const int MAXN = 1000;
int graph[MAXN][MAXN];  // 全局初始化默认为0

邻接矩阵的优势在于：

• 查询任意两点间边的存在性只需O(1)时间
• 适合稠密图（边数接近完全图的情况）
• 实现简单直观，调试方便

但它的缺点也很明显：

• 空间复杂度固定为O(V²)，V较大时内存消耗巨大
• 遍历某个顶点的所有邻接点需要完整扫描一行，即使实际边数很少

提示：当题目给出的节点数n≤1000时，邻接矩阵通常是安全的选择。但在现代算法竞赛中，n=1e5的情况很常见，这时就必须考虑更高效的存储方式。

2.2 链式前向星的实现机制

链式前向星是一种静态链表式的存储结构，用三个数组模拟邻接表：

cpp复制struct Edge {
    int to, next, weight; // 分别表示终点、下条边索引、边权
} edges[MAXM];  // MAXM为最大边数

int head[MAXN], edge_cnt; // 头指针数组和边计数器

// 添加边操作
void addEdge(int u, int v, int w) {
    edges[++edge_cnt] = {v, head[u