用数组实现路径搜索需将地图建模为二维数组，0表示可通过、1表示障碍；bfs适用于等权最短路径，通过队列逐层探索相邻格子，并校验边界与障碍。

用数组实现路径搜索，核心是把地图建模为二维数组，每个元素代表一个可通行或不可通行的格子；避开障碍物的关键在于搜索过程中跳过标记为障碍的数组位置。

用二维数组表示地图与障碍物

把实际场景（比如机器人移动区域、游戏地图）抽象成行和列组成的网格。数组的每个元素存储状态：0 表示空地（可通过），1 表示障碍物（不可通过），也可用其他数值或布尔值区分。

例如：

grid = [
  [0, 1, 0, 0],
  [0, 1, 0, 1],
  [0, 0, 0, 0],
  [1, 0, 1, 0]
]

其中 grid[1][1] = 1，表示第2行第2列是障碍，搜索时必须绕开。

选择适合的搜索算法：BFS 更适合找最短无权路径

当每一步代价相同（如只能上下左右移动一格），广度优先搜索（BFS）天然保证首次到达终点即为最短路径。它天然适配数组索引操作，且易于判断越界和障碍。

• 用队列保存待探索的位置（如 Python 的 deque 或列表模拟）
• 每次从队列取出一个坐标 (r, c)，检查其四个相邻格子（r±1, c）、（r, c±1）
• 对每个邻居，先验证是否在数组范围内（0 ≤ r
• 用额外的 visited 数组或直接修改原数组（谨慎）记录已访问位置，避免重复入队

动态避开“变量障碍物”：运行时更新障碍状态

所谓“变量障碍物”，指障碍位置不是静态的，可能随时间变化（如移动的敌人、临时封锁区域）。此时不能只初始化一次 grid，而需在每次搜索前或每步扩展时重新确认障碍状态。

• 将障碍物位置维护在独立集合中（如 set of tuples），如 obstacles = {(1,1), (3,0)}
• 在 BFS 的邻居检查环节，不只查 grid[r][c] == 0，还要确认 (r, c) not in obstacles
• 若障碍物按帧/周期更新，可在每次调用搜索函数前刷新 obstacles 集合（例如根据物理引擎结果或传感器数据）
• 注意：频繁修改 obstacles 是轻量操作；避免在 BFS 循环内反复遍历障碍列表——用 set 成员检查是 O(1)

实战小技巧：路径还原与边界防护

找到终点后，通常需要返回完整路径。建议在 BFS 中用 parent 字典记录每个位置的前驱坐标，从终点反向追溯到起点。

常见易错点提醒：

• 忘记检查数组边界导致索引错误 —— 所有邻居坐标必须显式校验范围
• 把障碍物坐标写反（行列顺序混淆） —— 统一使用 grid[row][col]，并保持所有坐标操作一致
• 未清除 visited 状态导致多轮搜索失败 —— 每次新搜索应新建 visited 集合或重置标记数组
• 将“不可达”误判为“逻辑错误” —— 先用简单地图（如全0）测试 BFS 基础流程，再逐步加入障碍