双向BFS能压低分支数，因其将单向搜索的O(b^d)节点数降至O(2×b^(d/2))，实现量级降维；需交替扩展较小队列、在生成子节点时立即检测相遇、使用轻量状态编码与高效哈希以避免性能瓶颈。
双向BFS为什么能压低分支数
普通 BFS 在无剪枝时，搜索节点数随深度呈指数增长：O(bd)，其中 b 是平均分支因子，d 是起点到终点的实际距离。一旦 d 达到 15，b=3 就要处理上千万节点。而双向 BFS 把单向的“一棵大树”拆成两棵“小树”，各自只扩展到 d/2 层，理论节点数降到 O(2 × bd/2) —— 这不是优化一点，是量级降维。比如 b=3、d=16，普通 BFS 约 4300 万节点，双向 BFS 仅约 13000 节点。
必须交替扩展小队列，否则容易失衡
很多人写双向 BFS 时固定先扩正向、再扩反向，结果一端早早探到底层，另一端还在浅层“划水”，失去双向意义。关键动作是每次选 q_start.size() 和 q_end.size() 中较小的那个队列来扩展。这能强制两端搜索进度接近，避免某侧提前耗尽内存或空转。
常见错误包括：
- 没做 size 比较，硬写成
expand(q_start); expand(q_end); - 用 vector 或 list 模拟队列，误以为
.size()是 O(1)，实际某些实现是 O(n) - 扩展时没清空本轮所有节点，只 pop 了一个，导致层序错乱
相遇检测必须在扩展子节点时立即判断
不能等把当前层所有节点都加入队列后再统一查重。正确时机是：对当前节点的每个邻接节点 next，在把它加入本端队列前，立刻检查它是否已在对方的 visited 集合中。一旦命中，立刻返回路径长度（当前层数 + 对方层数 + 1）。
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
立即学习“C++免费学习笔记（深入）”；
典型疏漏：
- 只在入队后查
visited_end.count(next)，但此时next可能刚被自己这端插入，误判为“相遇” - 用
set存状态却忘了重载operator<或提供哈希，导致查找退化为 O(n) - 字符串状态（如单词接龙）直接用
string做 key，未预分配容量，频繁拷贝拖慢速度
状态表示越轻量，哈希越快，分支剪得越干净
双向 BFS 的性能瓶颈常不在图遍历本身，而在状态存取。例如迷宫坐标 (r, c)，别存 pair<int,int>，改用 r * width + c 转成单个 int；拼图状态别用二维 vector，压缩成 uint64_t 位编码；单词接龙若限 5 字母，可用 5 个 char 打包进 uint64_t。
真正卡住搜索效率的，往往是哈希表里一次 find() 耗时 200ns，而你每秒要查 100 万次 —— 这比算法逻辑本身更致命。
