图的遍历¶
树代表的是“一对多”的关系，而图则具有更高的自由度，可以表示任意的“多对多”关系。因此，我们可以把树看作是图的一种特例。显然，树的遍历操作也是图的遍历操作的一种特例。
图和树都需要应用搜索算法来实现遍历操作。图的遍历方式可分为两种：「广度优先遍历 breadth-first traversal」和「深度优先遍历 depth-first traversal」。它们也常被称为「广度优先搜索 breadth-first search」和「深度优先搜索 depth-first search」，简称 BFS 和 DFS 。
广度优先遍历¶
广度优先遍历是一种由近及远的遍历方式，从某个节点出发，始终优先访问距离最近的顶点，并一层层向外扩张。如下图所示，从左上角顶点出发，先遍历该顶点的所有邻接顶点，然后遍历下一个顶点的所有邻接顶点，以此类推，直至所有顶点访问完毕。
算法实现¶
BFS 通常借助队列来实现。队列具有“先入先出”的性质，这与 BFS 的“由近及远”的思想异曲同工。
- 将遍历起始顶点
startVet加入队列，并开启循环。 - 在循环的每轮迭代中，弹出队首顶点并记录访问，然后将该顶点的所有邻接顶点加入到队列尾部。
- 循环步骤
2.，直到所有顶点被访问完成后结束。
为了防止重复遍历顶点，我们需要借助一个哈希表 visited 来记录哪些节点已被访问。
代码相对抽象，建议对照下图来加深理解。
广度优先遍历的序列是否唯一？
不唯一。广度优先遍历只要求按“由近及远”的顺序遍历，而多个相同距离的顶点的遍历顺序是允许被任意打乱的。以上图为例，顶点 \(1\)、\(3\) 的访问顺序可以交换、顶点 \(2\)、\(4\)、\(6\) 的访问顺序也可以任意交换。
复杂度分析¶
时间复杂度： 所有顶点都会入队并出队一次，使用 \(O(|V|)\) 时间；在遍历邻接顶点的过程中，由于是无向图，因此所有边都会被访问 \(2\) 次，使用 \(O(2|E|)\) 时间；总体使用 \(O(|V| + |E|)\) 时间。
空间复杂度： 列表 res ，哈希表 visited ，队列 que 中的顶点数量最多为 \(|V|\) ，使用 \(O(|V|)\) 空间。
深度优先遍历¶
深度优先遍历是一种优先走到底、无路可走再回头的遍历方式。如下图所示，从左上角顶点出发，访问当前顶点的某个邻接顶点，直到走到尽头时返回，再继续走到尽头并返回，以此类推，直至所有顶点遍历完成。
算法实现¶
这种“走到尽头再返回”的算法范式通常基于递归来实现。与广度优先遍历类似，在深度优先遍历中我们也需要借助一个哈希表 visited 来记录已被访问的顶点，以避免重复访问顶点。
深度优先遍历的算法流程如下图所示。
- 直虚线代表向下递推，表示开启了一个新的递归方法来访问新顶点。
- 曲虚线代表向上回溯，表示此递归方法已经返回，回溯到了开启此递归方法的位置。
为了加深理解，建议将图示与代码结合起来，在脑中（或者用笔画下来）模拟整个 DFS 过程，包括每个递归方法何时开启、何时返回。
深度优先遍历的序列是否唯一？
与广度优先遍历类似，深度优先遍历序列的顺序也不是唯一的。给定某顶点，先往哪个方向探索都可以，即邻接顶点的顺序可以任意打乱，都是深度优先遍历。
以树的遍历为例，“根 \(\rightarrow\) 左 \(\rightarrow\) 右”、“左 \(\rightarrow\) 根 \(\rightarrow\) 右”、“左 \(\rightarrow\) 右 \(\rightarrow\) 根”分别对应前序、中序、后序遍历，它们展示了三种不同的遍历优先级，然而这三者都属于深度优先遍历。
复杂度分析¶
时间复杂度： 所有顶点都会被访问 \(1\) 次，使用 \(O(|V|)\) 时间；所有边都会被访问 \(2\) 次，使用 \(O(2|E|)\) 时间；总体使用 \(O(|V| + |E|)\) 时间。
空间复杂度： 列表 res ，哈希表 visited 顶点数量最多为 \(|V|\) ，递归深度最大为 \(|V|\) ，因此使用 \(O(|V|)\) 空间。