浅析 广度优先遍历（BFS）和深度优先遍历（DFS）

想要了解广度优先遍历（BFS）和深度优先遍历（DFS）我们需要先了解图的概念。
图的定义：

图在数据结构中是中一对多的关系，一般分为有向图、无向图和权重图。常用 邻接矩阵 或者 邻接链表 来表示图中结点的关系

有向图（Directed Graph）：有向图中的相连线是有方向的。
无向图（Undirected Graph）：在无向图中，每个顶点和其他顶点通过相连线连接。
权重图（Weighted Graph）：在权重图中，每条相连线有各自的权重。

圆圈为顶点（vertice）黑色线为相连线（edge）

广度优先遍历（BFS）和深度优先遍历（DFS）都只是在图中寻找符合条件的顶点的方式。

广度优先遍历（Breadth First Search 简称 BFS）

又称宽度优先搜索算法（又称广度优先搜索），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。

可以看出，这样放射性的寻找方式，能找到从a到g的最近路（因为每次只走一步，且把所有的可能都走了，谁先到g说明这就是最短路）。
广度优先遍历树，需要用到队列（Queue）来存储节点对象,队列的特点就是先进先出。

广度优先的[递归]伪代码：

把start节点push入队列;
while(队列不为空) {
  把队列首节点pop出队列;
  对节点进行相关处理或者判断;
  while(此节点有下一个相关节点）{
    把相关节点push入对列;
  }

}

例子：

详解：
从图中的顶点a出发，在访问了a之后依次访问a的各个没有访问到的邻接点
然后分别从这些邻接点出发依次访问他们的邻接点，使得先被访问的顶点的邻接点先与后被访问顶点的邻接点被访问（举例：a->b，b先于c、f被访问），直到图中所有已被访问的顶点的邻接点都被访问到。
如果此时图中尚有顶点未被访问，则需要另选一个未曾被访问到的顶点作为新的起始点，重复上述过程。

深度优先遍历（Depth First Search 简称 DFS）

深度优先遍历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) 。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。

可以看出，若没有走到死路，这种遍历方式会从a节点沿着一条路一直深入下去，若走到死路，便会退回上一节点，遍历上一节点的其他相邻节点，这样一直重复，直到找到终点。
深度优先遍历各个节点，需要使用到栈（Stack）这种数据结构。stack的特点是是先进后出。

深度优先的[递归]伪代码：

find(节点){
  if(此结点已经遍历 || 此节点在图外 || 节点不满足要求) return;
  if(找到了g节点) 输出结果 ; return;
  标记此节点，表示已经遍历过了;
  while(存在下一个相邻节点) find(下一个节点);
}

例子：

详解：
我们假设初始状态所有顶点都没被访问，然后从每个顶点a出发，先访问该顶点
然后依次从它的各个未被访问的邻接点出发，深度优先遍历图，知道图中所有的和a相通的顶点都被访问到了
遍历后，还有其他顶点没被访问到，则另选一个未被访问的顶点作为起始点
重复上述过程，知道所有顶点都被访问完为止

感谢各位大佬，如有冒犯请联系删除
图文详解两种算法：深度优先遍历（DFS）和广度优先遍历（BFS）
DFS(深度优先遍历) 以及 BFS(广度优先遍历)
有向图，无向图有关概念
图Graph, 深度优先遍历(DFS), 广度优先遍历(BFS)【数据结构和算法入门9】