🛺图的遍历：

注意：在遍历的过程中，可能会出现$回路(已经访问过的节点还要重新访问一次)$.

当从A开始访问时，先访问A，然后C，这时候由于C和D没有连接，无法直接到达D，需要再回到A，此时A就被多次访问了。

可以创建一个数组用于保存访问过的顶点。

🏍️深度优先搜索（Depth_First Search ——DFS）

如下面的图，
先$访问A顶点$，发现A顶点有两个边，随便选择一个，B顶点
$访问B顶点$，发现有两条边，一个与A连接，一个与C连接，而与A连接的已经访问过了，则访问C顶点。
$访问C顶点$，之后没有边了
$退回B顶点$,连接的现条边都访问过了。
$\color{orange}退回A顶点，发现与D连接的边没有访问。
$访问D顶点$，搜索结束

🛵算法效率分析

🚲连通图

$邻接矩阵$ —— 遍历图中每个顶点都要从头扫描该顶点所在行，时间复杂度为$O(n^2)$
$邻接表$ —— 虽然有2e个表结点，但只需要扫描e个结点即可完成遍历，加上访问n个头结点的时间，时间复杂度为$O(n+e)$

注：
$稠密图$适合在邻接矩阵上进行深度遍历。
$稀疏图$适合在邻接表上进行深度遍历。

🏍️广度优先搜索（Breadth_First Search ——BFS）

如图：
先$访问A顶点$，发现A顶点有两个边
$访问B、D顶点$，发现B顶点与D顶点都有两条边没有访问。
$访问C、E，G、H顶点$，右边已经没有顶点要访问了，而左边还有一个
$访问F顶点$,搜索结束。

🛵算法效率分析

🚲连通图

$邻接矩阵$ —— 遍历图中每个顶点都要从头扫描该顶点所在行，时间复杂度为$O(n^2)$
$邻接表$ —— 虽然有2e个表结点，但只需要扫描e个结点即可完成遍历，加上访问n个头结点的时间，时间复杂度为$O(n+e)$

DFS算法与BFS算法效率比较

空间复杂度相同，都是 $O(n)$(使用了堆栈或队列)
时间复杂度与存储结构（邻接矩阵或邻接表）有关，而与搜索路径无关