广度优先搜索（BFS）和 深度优先搜索 (DFS)

什么是”搜索算法“？

• 算法是作用于具体数据结构之上的，深度优先搜索算法和广度优先搜索算法都是基于”图“这种数据结构的。这是因为，图这种数据结构的表达能力很强，大部分设计搜索的场景都可以抽象成”图“。
• 图上的搜索算法，最直接的理解就是，在图中能找到从一个顶点出发，到另一个顶点的路径。具体方法有很多，最简单、最”暴力“的深度优先、广度优先搜索，还有A*、IDA*等启发式搜索算法。

广度优先搜索（BFS）

• 广度优先搜索（Breadth-Firsr-Search）简称：BFS
• 它其实就是一种”地毯式“搜索策略，即先查找离顶点最近的，然后是次近的，依次往外搜索.
• 广度优先搜索算法的时间、空间复杂度：
• 最坏情况下，终止顶点t离起始顶点s很远，需要遍历完整个图才能找到。这个时候，每个顶点都要进出一遍队列，每个边也会被访问一次，所以，广度优先搜索的时间复杂度是O(V+E)，V表示顶点个数，E表示边的个数。当然，对于一个连通图来说，也就是说一个图中的所有顶点都是连通的，E肯定要大于等于V-1，所以，广度优先搜索的时间复杂度也可以简写为O(E)
• 广度优先搜索的空间消耗主要在几个辅助变量 visited 数组、queue 队列、prev 数组上。这三个存储空间的大小都不会超过顶点的个数，所以空间复杂度是 O(V)。

深度优先搜索 (DFS)

• 深度优先搜索（Depth-First-Search），简称 DFS
• 最直观的例子就是“走迷宫”，随意选择一个岔路口来走，走着走着发现走不通的时候，你就回退到上一个岔路口，重新选择一条路继续走，直到最终找到出口。这种走法就是一种深度优先搜索策略。
• 深度优先搜索算法的时间、空间复杂度：
• 每条边最多会被访问两次，一次是遍历，一次是回退。所以，深度优先搜索算法的时间复杂度是 O(E)，E 表示边的个数。
• 深度优先搜索算法的消耗内存主要是 visited、prev 数组和递归调用栈。visited、prev 数组的大小跟顶点的个数 V 成正比，递归调用栈的最大深度不会超过顶点的个数，所以总的空间复杂度就是 O(V)。

总结

1. 广度优先搜索和深度优先搜索是图上的两种最常用、最基本的搜索算法，比起其他高级的搜索算法，比如 A*、IDA* 等，要简单粗暴，没有什么优化，所以，也被叫作暴力搜索算法。
2. 这两种搜索算法仅适用于状态空间不大，也就是说图不大的搜索。
3. 广度优先搜索，通俗的理解就是，地毯式层层推进，从起始顶点开始，依次往外遍历。广度优先搜索需要借助队列来实现，遍历得到的路径就是，起始顶点到终止顶点的最短路径。
4. 深度优先搜索用的是回溯思想，非常适合用递归实现。换种说法，深度优先搜索是借助栈来实现的。
5. 在执行效率方面，深度优先和广度优先搜索的时间复杂度都是 O(E)，空间复杂度是 O(V)。