图的遍历：深度优先搜索法和广度优先搜索法

在计算机科学中，图的遍历是图算法中的基本操作之一，用于访问和检查图中的所有顶点。图的遍历方法有很多种，其中两种最常用的方法是深度优先搜索（DFS）和广度优先搜索（BFS）。这两种方法各有特点，适用于不同的情况。

一、深度优先搜索（DFS）

深度优先搜索是一种用于遍历或搜索树或图的算法。该算法会尽可能深地搜索树的分支。当节点v的所在边都己被探寻过，搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。

以下是DFS的伪代码实现：

DFS(graph, startNode):
    创建一个集合/哈希 set/list visited，用于存储已访问过的节点
    创建一个栈 stack，用于辅助实现DFS
    将 startNode 加入 visited 和 stack
    while stack 不为空:
        弹出 stack 的顶部元素 node
        对 node 进行所需的操作（例如打印节点信息）
        对于 node 的每一个邻接点 neighbor:
            如果 neighbor 没有被访问过:
                将 neighbor 加入 visited 和 stack

二、广度优先搜索（BFS）

广度优先搜索是另一种常用的图遍历算法。该算法从根节点开始，探索最近的节点，然后逐步向外探索。在图中，广度优先搜索会先访问离起始节点最近的节点。BFS使用队列数据结构来保存待访问的节点。首先将起始节点放入队列中，然后进入循环，在循环中，取出队列首部的节点，访问该节点并进行相关操作，然后将该节点的所有未被访问过的相邻节点加入队列的尾部。这个过程一直持续到队列为空，即所有可达的节点都被访问过为止。

以下是BFS的伪代码实现：

```css
BFS(graph, startNode):
创建一个集合/哈希 set/list visited，用于存储已访问过的节点
创建一个队列 queue，用于辅助实现BFS
将 startNode 加入 visited 和 queue
while queue 不为空:
弹出 queue 的头部元素 node
对 node 进行所需的操作（例如打印节点信息）
对于 node 的每一个邻接点 neighbor:
如果 neighbor 没有被访问过:
将 neighbor 加入 visited 和 queue