Java实现深度优先遍历和广度优先遍历

概念定义：

深度优先遍历：深度优先遍历是图论中的经典算法。其利用了深度优先搜索算法可以产生目标图的相应拓扑排序表，采用拓扑排序表可以解决很多相关的图论问题，如最大路径问题等等。

深度优先搜索是一种在开发爬虫早期使用较多的方法。它的目的是要达到被搜索结构的叶结点(即那些不包含任何超链的HTML文件) 。在一个HTML文件中，当一个超链被选择后，被链接的HTML文件将执行深度优先搜索，即在搜索其余的超链结果之前必须先完整地搜索单独的一条链。深度优先搜索沿着HTML文件上的超链走到不能再深入为止，然后返回到某一个HTML文件，再继续选择该HTML文件中的其他超链。当不再有其他超链可选择时，说明搜索已经结束。

事实上，深度优先搜索属于图算法的一种，英文缩写为DFS即Depth First Search.其过程简要来说是对每一个可能的分支路径深入到不能再深入为止，而且每个节点只能访问一次.

举例说明之：下图是一个无向图，如果我们从A点发起深度优先搜索（以下的访问次序并不是唯一的，第二个点既可以是B也可以是C,D），则我们可能得到如下的一个访问过程：A->B->E（没有路了！回溯到A)->C->F->H->G->D（没有路，最终回溯到A,A也没有未访问的相邻节点，本次搜索结束）
简要说明深度优先搜索的特点：每次深度优先搜索的结果必然是图的一个连通分量.深度优先搜索可以从多点发起.如果将每个节点在深度优先搜索过程中的"结束时间"排序（具体做法是创建一个list，然后在每个节点的相邻节点都已被访问的情况下，将该节点加入list结尾，然后逆转整个链表)，则我们可以得到所谓的"拓扑排序",即topological sort.

根据深度优先遍历的特点我们利用Java集合类的栈Stack先进后出的特点来实现。我用二叉树来进行深度优先搜索。

深度优先搜索的步骤为：

（1）、首先节点 1 进栈，节点1在栈顶；

（2）、然后节点1出栈，访问节点1，节点1的孩子节点3进栈，节点2进栈；

（3）、节点2在栈顶，然后节点2出栈，访问节点2

（4）、节点2的孩子节点5进栈，节点4进栈

（5）、节点4在栈顶，节点4出栈，访问节点4，

（6）、节点4左右孩子为空，然后节点5在栈顶，节点5出栈，访问节点5；

（7）、节点5左右孩子为空，然后节点3在站顶，节点3出栈，访问节点3；

（8）、节点3的孩子节点7进栈，节点6进栈

（9）、节点6在栈顶，节点6出栈，访问节点6；

（10）、节点6的孩子为空，这个时候节点7在栈顶，节点7出栈，访问节点7

（11）、节点7的左右孩子为空，此时栈为空，遍历结束。

广度优先遍历：广度优先遍历是连通图的一种遍历策略，因为它的思想是从一个顶点V0开始，辐射状地优先遍历其周围较广的区域故得名。广度优先遍历是最简便的图的搜索算法之一，这一算法也是很多重要的图的算法的原型。Dijkstra单源最短路径算法和Prim最小生成树算法都采用了和宽度优先搜索类似的思想。其别名又叫BFS，属于一种盲目搜寻法，目的是系统地展开并检查图中的所有节点，以找寻结果。换句话说，它并不考虑结果的可能位置，彻底地搜索整张图，直到找到结果为止。

广度优先遍历 BFS，其英文全称是Breadth First Search。 BFS并不使用经验法则算法。从算法的观点，所有因为展开节点而得到的子节点都会被加进一个先进先出的队列中。一般的实验里，其邻居节点尚未被检验过的节点会被放置在一个被称为 open 的容器中（例如队列或是链表），而被检验过的节点则被放置在被称为 closed 的容器中。（open-closed表）

根据广度优先遍历的特点，我们利用Java的数据结构，队列Queue来实现。

广度优先搜索的步骤为：

（1）、节点1进队，节点1出队，访问节点1

（2）、节点1的孩子节点2进队，节点3进队。

（3）、节点2出队，访问节点2，节点2的孩子节点4进队，节点5进队；

（4）、节点3出队，访问节点3，节点3的孩子节点6进队，节点7进队；

（5）、节点4出队，访问节点4，节点4没有孩子节点。

（6）、节点5出队，访问节点5，节点5没有孩子节点。

（7）、节点6出队，访问节点6，节点6没有孩子节点。

（8）、节点7出队，访问节点7，节点7没有孩子节点，结束。

代码：

二叉树的基础代码：

/**
 * 二叉树节点的数据结构
 */
public class TreeNode {