获课地址：xingkeit.top/7631/

在算法学习的路上，我见过太多人被图论劝退。

节点、边、邻接矩阵、邻接表、有向无环、连通分量……这些术语堆在一起，再加上DFS和BFS的各种变体，很容易让人产生一种错觉：图论是高不可攀的，是竞赛选手才需要啃的硬骨头。

直到跟了左神全阶班的图论部分，我才真正意识到：图论没有那么可怕，可怕的是没有遇到能把图论讲透的人。而左神讲DFS和BFS的方式，让我第一次觉得“图”这个东西，是可以被掌控的。

图论的起点：不是算法，是建模思维

很多人学图论，上来就背DFS和BFS的代码模板，背完了发现，换个题目还是不会做。问题出在哪？出在没搞清楚图论的本质。

左神在课程里反复强调一个观点：图论的难点不在于遍历算法本身，而在于你能不能把现实问题抽象成图。两个人是不是朋友？可以抽象成无向图。城市之间有没有航班？可以抽象成有向图。任务之间有没有依赖关系？可以抽象成拓扑排序。

这种建模思维的建立，比背一百遍DFS模板都重要。左神带着你从最基础的问题开始——怎么用代码表示图？邻接矩阵和邻接表各有什么优缺点？有向图和无向图在代码实现上有什么区别？把这些基础打牢了，后续的所有算法才有落脚点。

DFS的讲法：不只讲怎么写，更讲怎么想

DFS（深度优先搜索）是图论里最基础也是最核心的算法之一。很多教材讲DFS，就是给一个递归函数，告诉你“沿着一条路走到黑，走不通就回头”。逻辑没错，但初学者听完依然不知道怎么用。

左神讲DFS，是从“手动模拟”开始的。给一个简单的图，一步一步在图上画，走到哪个节点、标记什么颜色、什么时候回溯，全流程手推一遍。等你亲眼看着DFS把整个图遍历完，再回头去看代码，每一行递归都变得有画面感了。

更重要的是，左神把DFS的“灵魂”讲透了——不是遍历本身，而是遍历过程中我们能做什么。记录路径、检测环、计算连通分量、求连通时间戳……这些实际应用中最重要的能力，都是在DFS的框架下实现的。学会了DFS，你就能解决一大批图论问题。

BFS的妙用：最短路径的钥匙

如果说DFS是“一条道走到黑”，那BFS（广度优先搜索）就是“层层推进，稳扎稳打”。左神讲BFS的时候，特别强调了一个点：BFS不是DFS的替代品，它们各有各的用武之地。

什么时候用BFS？求最短路径的时候。左神用一个最简单的迷宫问题，把BFS的“层次遍历”特性展现得淋漓尽致。每走一步，记录当前层数，第一次到达终点的时候，就是最短路径。这个逻辑听起来简单，但真正写代码的时候，队列怎么维护、visited怎么标记、层数怎么记录，全是细节。

左神把每一步拆开，从队列的初始化，到节点的入队出队，到如何避免重复访问，到如何记录路径长度，手把手带着实现一遍。学完你不仅会写BFS，还会知道为什么这么写，遇到变体题目也知道怎么调整。

应用的延伸：从图论到真实场景

图论学完了，DFS和BFS会写了，然后呢？很多课程到这里就结束了，留下学生一脸茫然：我学这些到底有什么用？

左神的高明之处，是在讲完基础算法之后，马上接入真实的应用场景。社交网络的好友推荐怎么实现？用的是BFS找共同好友。任务调度怎么保证依赖顺序？用的是DFS检测环再拓扑排序。地图软件的最短路径怎么算？BFS加上权重就是Dijkstra的雏形。

这些应用场景的引入，让图论从抽象的理论变成了能解决问题的工具。你会突然发现，原来那些看似高大上的功能，底层就是DFS和BFS的变体。这种“原来如此”的感觉，是支撑你继续学下去的源动力。

调试的智慧：图论问题的排错思路

图论代码还有一个痛点：容易错，还不好查。DFS递归调用深了，栈溢出怎么定位？BFS队列卡死，怎么排查？图里有环，程序死循环了怎么办？

左神专门花篇幅讲了图论问题的调试技巧。怎么打印中间状态？怎么用小规模测试验证逻辑？怎么一步步回溯递归调用栈？这些经验之谈，是在LeetCode上刷几百道题都未必能总结出来的。

写在最后：图论是算法世界的地图

我一直觉得，图论在算法里的地位，就像地图在现实世界里的地位。它帮你理解问题之间的关联，帮你找到从起点到终点的路径，帮你在复杂局面里看清方向。

左神全阶班的图论部分，就是帮你绘制这张地图的过程。从DFS和BFS这两个最基础的工具开始，一步步建立起对图论的整体认知。如果你也在算法学习的路上，或者正被图论困扰，不妨静下心把这一部分啃下来。

相信我，当你亲手写出第一个能跑通的DFS，看着它在图上一步步遍历的时候，那种掌控感，值得所有付出的努力。