广度优先搜索（BFS）
问题的本质就是让你在一幅「图」中找到从起点start到终点target的最近距离，这个例子听起来很枯燥，但是 BFS 算法问题其实都是在干这个事儿。
把枯燥的本质搞清楚了，再去欣赏各种问题的包装才能胸有成竹嘛。
这个广义的描述可以有各种变体，比如走迷宫，有的格子是围墙不能走，从起点到终点的最短距离是多少？如果这个迷宫带「传送门」可以瞬间传送呢？
再比如说两个单词，要求你通过某些替换，把其中一个变成另一个，每次只能替换一个字符，最少要替换几次？
再比如说连连看游戏，两个方块消除的条件不仅仅是图案相同，还得保证两个方块之间的最短连线不能多于两个拐点。你玩连连看，点击两个坐标，游戏是如何判断它俩的最短连线有几个拐点的？
再比如……
净整些花里胡哨的，这些问题都没啥奇技淫巧，本质上就是一幅「图」，让你从一个起点，走到终点，问最短路径。这就是 BFS 的本质，框架搞清楚了直接默写就好。
①树的层序遍历：使用队列保存未被检测的结点，结点按照宽度优先的次序被访问和进出队。
②有向无环图的最短路径查找：由于有向无环图的某个节点的next节点可能会与另一个节点的next节点重复，所以我们需要记录已访问过的节点
//根节点与目标节点之间的最短路径长度
int BFS(Node root, Node target) {
Queue<Node> queue; // 用来存放节点的队列
Set<Node> used; // 用来存放已经使用过的节点，防止走回头路。但是像一般的二叉树结构，没有子节点到父节点的指针，不会走回头路就不需要
int step = 0; // 步长
//1:初始化
add root to queue;
add root to used;
//2:开始进行BFS
while (queue is not empty) {
step = step + 1;
//队列中已经存放的节点个数
int size = queue.size();
for (int i = 0; i < size; ++i) {
Node cur = the first node in queue;
return step if cur is target;
for (Node next : the neighbors of cur) {
if (next is not in used) {
add next to queue;
add next to used;
}
}
remove the first node from queue;
}
}
return -1; // there is no path from root to target
}
深度优先搜索（DFS）
一直往深处走，直到找到解或者走不下去为止，主要用于树的遍历（前序遍历，中序遍历，后序遍历）或者图的搜索问题或者回溯算法问题。
①树的遍历：一直向叶子节点遍历，直至遇到叶子节点表示此根节点到这个叶子节点的路径已经访问完，需要访问根节点到下一个叶子节点的路径。（当然遍历顺序主要取决于遍历的方式，比如前序遍历（根左右）、后序遍历（左根右）、后序遍历（左右根））
②图的搜索问题：上面我们使用了BFS来解决图的最短路径问题，同时我们也可以使用DFS来实现图的最短路径寻找。在这里我们分别提供递归版模板和用stack的迭代版模板：
递归：
boolean DFS(Node cur, Node target, Set<Node> visited) {
return true if cur is target;
for (next : each neighbor of cur) {
if (next is not in visited) {
add next to visted;
return true if DFS(next, target, visited) == true;
}
}
return false;
}
非递归：
boolean DFS(int root, int target) {
Set<Node> visited;
Stack<Node> s;
add root to s;
while (s is not empty) {
Node cur = the top element in s;
return true if cur is target;
for (Node next : the neighbors of cur) {
if (next is not in visited) {
add next to s;
add next to visited;
}
}
remove cur from s;
}
return false;
}
回溯法：回溯法使用DFS的策略来寻找所有可行解或者最优解，也就是回溯法的所有解可以构成一个解空间树或者解空间图，所以对于这个解空间树或图，我们就使用DFS策略了
//choicelist:表示可以进行选择的列表,相当于树中可选用左节点还是右结点
//track:表示为决策路径,相当于在树中为根节点到某个叶子节点的路径
//result:表示存放根节点到所有叶子节点的所有路径
backtrack(choicelist,track,result)
{
if(track is ok)result.push(track);
else{
for choice in choicelist:
//choose过程:选择一个choice加入track,相当于在树中选择一个节点加入路径
backtrack(choices,track,result);//进入下一步决策
//unchoose过程:从track中撤销上面的选择,相当于在树中移除上一次选择的节点
}
}
应用与风险：
1）DFS多用于连通性问题因为其运行思想与人脑的思维很相似，故解决连通性问题更自然。
2）BFS多用于解决最短路问题，其运行过程中需要储存每一层的信息，所以其运行时需要储存的信息量较大，如果人脑也可储存大量信息的话，理论上人脑也可运行BFS。
3）多数情况运行BFS所需的内存会大于DFS需要的内存(DFS一次访问一条路，BFS一次访问多条路)
4）风险：DFS容易爆栈(栈不易”控制”)，BFS通过控制队列可以很好解决”爆队列”风险。
原文链接：https://blog.csdn.net/qq_43152052/article/details/99229105