数组实现bfs是用front/rear指针在一维静态数组中模拟队列，通过编号映射和邻接数组表示变量图，完成从起点x出发的正向传播遍历。
用数组实现广度优先搜索（BFS）本质上是用一维数组模拟队列，不依赖链表或语言内置队列结构；关键在于维护两个指针：头指针（front）指向待处理节点，尾指针（rear）指向下一个空闲插入位置。遍历变量图（如程序中变量间赋值、引用关系构成的有向图）时，需先将图转为邻接表或邻接数组形式，再用数组队列驱动BFS。
用静态数组模拟队列
设定固定大小的数组 queue[MaxN]，初始 front = rear = 0。入队即 queue[rear++] = node，出队即 node = queue[front++]。注意判断队列空（front == rear）与满（rear == MaxN），实际用于BFS时，若图节点数 ≤ MaxN，不会溢出。
- 无需动态内存分配，适合嵌入式或教学场景
- 出队不真正删除元素，仅移动 front，空间复用高效
- 可加一个 size 变量辅助判断，但非必需
构建变量图的邻接数组表示
变量图中每个节点是变量名（如 a、b），边表示依赖关系（如 a = b + c ⇒ a 依赖 b 和 c，即存在边 b → a、c → a）。为用数组BFS，需预处理：
- 对所有变量做编号映射（如哈希表：{"a":0, "b":1, "c":2}）
- 构建 adj[N][deg_max]：每行存该节点的邻居编号；或更省内存的 edges[] 数组 + head[N] 偏移数组（链式前向星）
- 记录每个节点的出度，避免遍历无效位置
数组BFS遍历变量图的完整步骤
以“找出从变量 x 出发所有被它直接影响或间接影响的变量”为例（正向传播分析）：
- 将起点 x 编号入队：queue[rear++] = idx_x，标记 visited[idx_x] = true
- 当 front 时循环：取 u = queue[front++]，遍历其所有邻接点 v（即所有被 u 影响的变量）
- 对每个未访问的 v，设 visited[v] = true，并入队：queue[rear++] = v
- 过程中可收集路径、层级、影响链等信息（如记录 level[v] = level[u] + 1）
实战小例子：三变量赋值图
语句：b = a; c = b; d = a + c。变量集 {a,b,c,d} → 编号 {0,1,2,3}。依赖边为：a→b, b→c, a→d, c→d。邻接数组表示为：
adj[0] = [1, 3] // a → b, d<br>adj[1] = [2] // b → c<br>adj[2] = [3] // c → d<br>adj[3] = [] // d 无出边
从 a（0） 开始BFS：入队0 → 出队0，入1、3 → 出队1，入2 → 出队3（无新节点）→ 出队2，入3（已访问，跳过）。最终访问序列为 [0,1,3,2]，覆盖全部变量，体现影响传播顺序。
