BFS算法解决腐烂橘子问题与多源扩散应用

1. 问题背景与场景解析

腐烂橘子问题源自力扣（LeetCode）平台的热门算法题库，编号为994。这是一个典型的广度优先搜索（BFS）应用场景，模拟了橘子腐烂过程的传播规律。在实际生活中，这个问题可以类比食品仓库管理、传染病防控、网络节点故障扩散等多种现实场景。

问题的核心在于：给定一个m×n的网格，每个单元格可以有以下三种状态之一：

• 0 代表空单元格
• 1 代表新鲜橘子
• 2 代表腐烂橘子

每分钟，任何与腐烂橘子相邻（4个方向）的新鲜橘子都会腐烂。我们需要计算直到没有新鲜橘子被腐烂为止所需的最小分钟数，如果不可能全部腐烂则返回-1。

2. 算法选择与思路拆解

2.1 为什么选择BFS而非DFS？

这个问题天然适合BFS算法，因为：

1. 层级传播特性：每分钟的腐烂相当于BFS的一层扩展
2. 最短时间需求：BFS天然保证首次访问时的路径是最短的
3. 并行处理能力：同一分钟可能有多个腐烂源同时影响周围

相比之下，DFS会导致：

• 无法准确计算分钟数（可能高估）
• 需要额外的标记和比较逻辑
• 代码复杂度显著增加

2.2 多源BFS的实现关键

本题的特殊性在于可能存在多个初始腐烂源（多个值为2的格子）。传统BFS通常从单一起点开始，而这里需要：

1. 初始化队列：将所有腐烂橘子坐标同时加入队列
2. 层级标记：使用特殊标记（如null）区分不同分钟
3. 同步扩散：每分钟所有腐烂源同时向四周扩散

python复制# 多源BFS初始化示例
queue = collections.deque()
for i in range(rows):
    for j in range(cols):
        if grid[i][j] == 2:
            queue.append((i, j))
queue.append(None)  # 分钟分隔符

3. 完整算法实现与逐行解析

3.1 基础框架搭建

python复制from collections import deque

def orangesRotting(grid):
    rows, cols = len(grid), len(grid[0])