图及其遍历方式--广度优先&深度优先

• 图的定义及其分类

  图和之前说的二叉树一样也是一种非线性数据结构，图由两部分组成：其一是顶点；其二是顶点之间连接的边。顶点就是图中的元素结点，而边就是用来表示顶点之间的关系，如下图：

每个顶点的边的条数就是顶点的度， 例如社交产品中，我们每一个人就是图中的顶点，而我们的好友就是该通过边直接连接的顶点，我们好友的个数就是顶点的度。
  上图所示的是一种图，它并没有方向的概念，我们知道有些关系之间是有方向的概念的，例如，微博中的关注关系，你关注了某个人但是这个人不一定关注了你。因此，这种图称为有向图， 例如下面所示的图：

在有向图中，如果某个顶点指向其他顶点的边的条数就称为该顶点的出度 ；如果某个顶点有多个顶点指向这个顶点，这就叫该顶点的入度 。对于这种指向关系，我们将边出发的顶点称为弧头，边到达的顶点称为弧尾。
  还有一种图，它仅仅用顶点和边描述还不够，例如当我们要给几个地方修几条公路，有几种方案，每一个地方到另一个地方修路的造价是不同的，那么对于这样的图就称为带权重的图，对于图就先说这几个概念，其实图还有许多其他的概念，我们以后再说

• 图的存储方式

  图一般有两种存储方式，一种是邻接矩阵的方式；另一种是邻接链表的方式。邻接矩阵实际上就是一个二维数组，对于无向图来说，邻接矩阵是一个完全对称的矩阵，其中两个顶点之间如果存在边就记为1，否则就记为0；对于有向图来说，如果顶点 i 到顶点 j 之间，有一条箭头从顶点 i 指向顶点 j 的边，那我们就将 A[i][j]标记为 1;对于带权重的图就是矩阵中的值变为权重，如下图

  请试想一下邻接矩阵的存储方式有什么问题？假如用邻接矩阵存储图会造成空间的浪费，如果我们的图太过稀疏的话，就说明顶点很多但是顶点之间的关系很少也就是边很少，这样的话就会造成空间浪费。但是用邻接矩阵也有很多有点，邻接矩阵的存储方式简单、直接，因为基于数组，所以在获取两个顶点的关系时，就非常高效。其次，用邻接矩阵存储图的另外一个好处是方便计算。这是因为，用邻接矩阵的方式存储图，可以将很多图的运算转换成矩阵之间的运算。比如求解最短路径问题时，其中一种算法就是利用矩阵的运算完成。
  下面我们来看看邻接链表的存储方式，邻接链表就是一个顶点对应一个链表，链表中存储的是与这个顶点直接连接的其他顶点，我们来看看它的图示存储结构

邻接链表的存储方式虽然说比较节省了空间，但是在时间效率上就低了不少。假如我们需要从某个顶点查询是否存在某个顶点的关系，我们就需要从这个顶点出发，遍历那条对应的链表，因此遍历的时间复杂度为O(n)，为了提高查找的执行效率我们可以采用将链表的结构改造为AVL树或者红黑树就能将复杂度降低为O(logn)。我们看看代码的实现（邻接链表的方式）

 // 无向图的邻接链表存储方式
public class Graph {
   
   // 顶点的个数
  private int v;
   // 邻接链表
  private LinkedList<Integer> adj[];

  public Graph(int v) {
   
    this.v = v;
    adj = new LinkedList[v];
    for (int i=0; i<v; ++i) {
   
      adj[i] = new LinkedList<>();
    }
  }

   // 由于无向图是双向的结果，因此需要进行两次结点的添加
  public void addEdge(int startNode, int searchNode) {
   
    adj