这是我参与2022首次更文挑战的第18天，活动详情查看：2022首次更文挑战。
图的搜索
两种常见的图搜索算法分别是深度优先搜索（depth-first search，DFS）和广度优先搜索（breadth-first search，BFS）。
在深度优先搜索中，我们以根节点（或者任意节点）为起始点，完整地搜索一个分支后，再搜索另一个分支，也就是说，我们先向深度方向搜索（因此命名为深度优先搜索），再向广度方向搜索。
在广度优先搜索中，我们以根节点（或者任意节点）为起始点，先搜索其相邻节点再搜索相邻节点的子节点，也就是说，我们先向广度方向搜索（因此命名为广度优先搜索），再向深度方向搜索。
请参见下图关于图的深度优先搜索与广度优先搜索的描述（假设相邻节点按照数字顺序进行迭代）。
值得注意的是，BFS和DFS通常用于不同的场景。如要访问图中所有节点，或者访问最少的节点直至找到想找的节点，DFS一般最为简单。
但是，如果我们想找到两个节点中的最短路径（或任意路径），BFS一般说来更加适宜。想象如下场景：将整个世界的朋友关系用图表示，并找出Ash和Vanessa之间的一条路径。
在深度优先搜索中，可以选择如下路径：Ash -> Brian -> Carleton -> Davis -> Eric -> Farah -> Gayle -> Harry -> Isabella -> John -> Kari...此路径与所求路径相差甚远。我们可能搜索了世界上大部分的朋友关系，但是都没有意识到，Vanessa实际上是Ash的朋友。我们最终会找到该路径，但是或许会耗时许久。此方法也无法找出最短路径。
在广度优先搜索中，可以尽可能地离Ash近一些。我们或许需要迭代很多Ash的朋友，但是除非必须，我们不会搜索距离Ash更远的朋友。如果Vanessa是Ash的朋友，或者是他朋友的朋友，我们会相对快速地发现这个事实。
深度优先搜索
在DFS中，我们会先访问节点a，然后遍历访问a的每个相邻节点。在访问a的相邻节点b时，我们会在继续访问a的其他相邻节点之前先访问b的所有相邻节点，也就是说，在继续搜索a的其他子节点之前，我们会先穷尽搜索b的子节点。
注意，前序和树遍历的其他形式都是一种DFS。主要区别在于，对图实现该算法时，我们必须先检查该节点是否已访问。如果不这么做，就可能陷入无限循环。
下面是实现DFS的伪代码。
广度优先搜索
BFS相对不太直观，除非之前熟悉其实现方式，否则大部分求职者在实现该方法时会觉得无从下手。他们面临的主要障碍在于（错误地）认为BFS是通过递归实现的。其实不然，它是通过队列实现的。
在BFS中，我们会在搜索a的相邻节点之前先访问节点a的所有相邻节点。你可以将其想象为从a开始按层搜索。用到队列的迭代法往往最为有效。
当面试官要求你实现BFS时，关键在于谨记队列的使用。用了队列，这个算法的其余部分自然也就成型了。
