深度优先遍历与广度优先遍历
深度优先遍历
1．深度优先遍历的递归定义
假设给定图G的初态是所有顶点均未曾访问过。在G中任选一顶点v为初始出发点(源点)，则深度优先遍历可定义如下：首先访问出发点v，并将其标记为已访问过；然后依次从v出发搜索v的每个邻接点w。若w未曾访问过，则以w为新的出发点继续进行深度优先遍历，直至图中所有和源点v有路径相通的顶点(亦称为从源点可达的顶点)均已被访问为止。若此时图中仍有未访问的顶点，则另选一个尚未访问的顶点作为新的源点重复上述过程，直至图中所有顶点均已被访问为止。
图的深度优先遍历类似于树的前序遍历。采用的搜索方法的特点是尽可能先对纵深方向进行搜索。这种搜索方法称为深度优先搜索(Depth-First Search)。相应地，用此方法遍历图就很自然地称之为图的深度优先遍历
2.基本实现思想：
（1）访问顶点v；
（2）从v的未被访问的邻接点中选取一个顶点w，从w出发进行深度优先遍历；
（3）重复上述两步，直至图中所有和v有路径相通的顶点都被访问到。
3.伪代码
递归实现
（1）访问顶点v；visited[v]=1；//算法执行前visited[n]=0
（2）w=顶点v的第一个邻接点；
（3）while（w存在）
if（w未被访问）
从顶点w出发递归执行该算法； w=顶点v的下一个邻接点；
非递归实现
（1）栈S初始化；visited[n]=0；
（2）访问顶点v；visited[v]=1；顶点v入栈S
（3）while(栈S非空)
x=栈S的顶元素(不出栈)；
if(存在并找到未被访问的x的邻接点w)
访问w；visited[w]=1；
w进栈;
else
x出栈；
广度优先遍历
1.广度优先遍历定义
图的广度优先遍历BFS算法是一个分层搜索的过程，和树的层序遍历算法类同，它也需要一个队列以保持遍历过的顶点顺序，以便按出队的顺序再去访问这些顶点的邻接顶点。
2.基本实现思想
（1）顶点v入队列。
（2）当队列非空时则继续执行，否则算法结束。
（3）出队列取得队头顶点v；访问顶点v并标记顶点v已被访问。
（4）查找顶点v的第一个邻接顶点col。
（5）若v的邻接顶点col未被访问过的，则col入队列。
（6）继续查找顶点v的另一个新的邻接顶点col，转到步骤（5）。
直到顶点v的所有未被访问过的邻接点处理完。转到步骤（2）。
广度优先遍历图是以顶点v为起始点，由近至远，依次访问和v有路径相通而且路径长度为1，2，……的顶点。为了使“先被访问顶点的邻接点”先于“后被访问顶点的邻接点”被访问，需设置队列存储访问的顶点。
3.伪代码
（1）初始化队列Q；visited[n]=0；
（2）访问顶点v；visited[v]=1；顶点v入队列Q；
（3） while（队列Q非空）
v=队列Q的对头元素出队；
w=顶点v的第一个邻接点；
while（w存在）
如果w未访问，则访问顶点w；
visited[w]=1；
顶点w入队列Q；
w=顶点v的下一个邻接点。
原文链接：http://www.cnblogs.com/biyeymyhjob/archive/2012/07/18/2596983.html
深度优先搜索与广度优先搜索异同
其实这道题目是百度一道笔试题。但是回答这个问题，深浅都可以回答。
这里总结下异同。
相同：
1，这两种方式都是盲目的搜索，只有在搜索空间小于计算机内存时才具有可行性。
2，两种方式都有open集合和closed集合，open集合用来存储将要访问的节点，closed集合存储访问过的节
点。
3，两种方式的平均时间复杂度都是O(b^d).其中b是分支因子，d是搜索深度。
4，两种访问方式都要涉及到在closed集合中查找节点是否已经访问过，对closed集合采用不同的数据结构
存储有不同的性能，线性查找需要O(n)的时间复杂度，散列查找则需要常数的时间复杂度。
区别：
1，很明显的搜索策略不同，一个是深度，一个是广度^-^,这个大家都知道~
2，深度优先搜索需要使用栈来存储open集合，添加和删除操作只需要常数时间，广度优先搜索需要使用队
列来存储open集合，添加和删除操作只需要常数时间。
3，深度优先搜索中栈只需要存储b*d个状态节点。广度优先搜索则存储b^d个状态节点。所以两种搜索方式
的存储规模不同。
4，深度优先搜索可以找到到目标状态的多条路径，广度优先搜索则保证找到的是到目标状态的最短路径。
注：如果搜索的是树，则深度优先搜索等价先根遍历，广度优先搜索等价层次遍历。
原文链接：http://hi.baidu.com/huifeng00/item/dab92bbcd7cc9c4a2aebe39a
---------------------------------------------------------------------------------------------------------------------
