BFS和DFS代码实现

BFS DFS实现图的遍历
以以下图数据为例：

首先BFS是广度优先遍历算法，从图的某一个节点出发，然后遍历完这个节点相邻的节点。这个算法的核心就是，先把周围的找完，再去找更深的地方。通俗易懂的说法：DFS就是一条路走到底，发现没路了，返回来，走另一条路。BFS就是每条路都走一点，走一点点后就走另一条路了。
在BFS遍历的时候，需要用队列将遍历的这个节点的相邻节点添加到队列中去，然后取队首，将这个节点相邻的节点加到队列中（未在队列中的），重复上述步骤。
以上面的图为例，假定我们先将A节点加入队列中，然后A节点出队列，与A节点相邻的B、C节点依次入队列，然后B节点出队列，与B节点相邻的C、D节点依次入队列…
最终我们得到的出队列的顺序为：A B C D E F，此答案不唯一，比如在A出队列后，可以先将B加入队列，然后是C，那么结果可能是A C B D E F,注意：绝对不可能是A B C E D F,因为B和E不相邻。
根据以上思路，我们用Python代码实现BFS如下：

def DFS(graph, s):
    queue = []
    queue.append(s)             # 向list添加元素，用append()
    seen = set()                  # 此处为set, python里set用的是hash table, 搜索时比数组要快。
    seen.add(s)                 # 向set添加函数，用add()
    while (len(queue) > 0):
        vertex = queue.pop(0)    # 弹出最后一个元素
        nodes = graph[vertex]
        for w in nodes:
            if w not in seen:
                queue.append(w)
                seen.add(w)
        print(vertex)
graph = {
    "A":["B","C"],
    "B":["A","C","D"],
    "C":["A","B","D","E"],
    "D":["B","C","E","F"],
    "E":["C","D"],
    "F":["D"]
}
DFS(graph, 'A')

C++代码如下：

#include <bits/stdc++.h>
using namespace std;
queue<char> q;
bool a[200];
void BFS(vector<char> vi[],char root)
{
	q.push(root);
	while(!q.empty())
	{
		char c = q.front();
		q.pop();
		cout << c << " ";
		a[(int)c] = 1;
		for(int i=0; i<vi[c].size(); i++)
		{
			if(a[(int)vi[c][i]]==0)
			{
				q.push(vi[c][i]);
				a[(int)vi[c][i]] = 1;
			}
		}
	}
}
int main(void)
{
	vector<char> vi[100];
	vi['A'].push_back('B');
	vi['A'].push_back('C');
	vi['B'].push_back('A');
	vi['B'].push_back('C');
	vi['B'].push_back('D');
	vi['C'].push_back('A');
	vi['C'].push_back('B');
	vi['C'].push_back('D');
	vi['C'].push_back('E');
	vi['D'].push_back('B');
	vi['D'].push_back('C');
	vi['D'].push_back('E');
	vi['D'].push_back('F');
	vi['E'].push_back('C');
	vi['E'].push_back('D');
	vi['F'].push_back('D');
	BFS(vi, 'E');
} 

DFS和BFS的唯一不同就是把队列换成栈