图的遍历

序言

和树的遍历类似，在此，我们希望从图中某一顶点出发访遍图中其余顶点，且使每一个顶点仅被访问一次。这一过程就叫做图的遍历（Traversing Graph）。
通常有两条遍历图的路径：深度优先搜索和广度优先搜索。他们对无向图和有向图都适用。

深度优先搜索

深度优先搜索（Depth First Search）遍历类似于树的先根遍历，是树的先根遍历的推广。
假设初始状态是图中所有顶点未曾被访问，则深度优先搜索可从图中某个顶点 v 出发，访问此顶点，然后依次从 v 的未被访问的邻接点出发深度优先遍历图，直至图中所有和 v 有路径相通的顶点都被访问到；若此时图中尚有顶点未被访问，则另选图中一个未曾被访问的顶点作起始点，重复上述过程，直至图中所有顶点都被访问到为止。

以无向图 G1 为例，深度优先搜索遍历图的过程为：

假设从顶点 V1 出发进行搜索，在访问了顶点 V1 之后，选择邻接点 V2 。因为 V2 未曾访问。则从 V2 出发进行搜索。依次类推，接着从 V4, V8, V5 出发进行搜索。在访问了 V5 之后，由于 V5 的邻接点都已被访问，则搜索回到 V8 。由于同样的理由，搜索继续回到 V4, V2直至 V1，此时由于 V1 的另一个邻接点未被访问，则搜索又从 V1 到 V3 ，在继续进行下去。由此得到的顶点访问序列为:
V1 → V2 → V4 → V8 → V5 → V3 → V6 → V7

广度优先搜索

广度优先搜索（Breadth First Search）遍历类似于树的层次遍历的过程。
假设从图中某个顶点 V 出发，在访问了 V 之后依次访问 V 的各个未曾访问的邻接点，然后分别从这些邻接点出发依次访问它们的邻接点，并使 “先被访问的顶点的邻接点” 先于 “后被访问的顶点的邻接点” 被访问，直至图中所有已被访问的顶点的邻接点都被访问到。若此时图中尚有顶点未被访问，则另选图中一个未曾被访问的顶点作为起始点，重复上述过程，直至图中所有顶点都被访问到为止。

以无向图 G1 为例，深度优先搜索遍历图的过程为：

首先访问 V1 和 V1 的邻接点 V2 和 V3 ，然后依次访问 V2 的邻接点 V4 和 V5 及 V3 的邻接点 V6 和 V7 ，最后访问 V4 的邻接点 V8， 由于这些顶点的邻接点均已被访问，并且图中所有顶点都被访问，由此完成了图的遍历。得到的顶点访问序列为：
V1 → V2 → V3 → V4 → V5 → V6 → V7 → V8

时间复杂度分析

当以邻接表作存储结构时，深度优先搜索遍历图的时间复杂度为O(n + e) （n为顶点数，e为无向图边数或者有向图的弧的数）。广度优先搜索遍历图的时间复杂度和深度优先搜索遍历相同，两者不同之处仅仅在于对顶点访问顺序不同。

参考书目

《数据结构（C语言版）》 严蔚敏 吴伟民 编著 清华大学出版社