这是两种常用的搜索方式，但是应用不同。

广度优先搜索，在与搜索一个节点到另一个节点的最短距离。
深得优先搜索则侧重图中节点（假设节点代表某些事件）的发生顺序。

广度优先搜索

广度优先搜索，类似与将图组织称一种树的形式（但是可能不是一棵树，应为有环形）。
然后分层进行遍历，一层遍历玩以后遍历下一层。

使用队列作为辅助。遍历一层节点（也就是所有分支）的时候将下一层节点都添加到队列，这样，一层结束以后，下一层的节点都在队列中。然后从该队列中取元素，进行处理，处理的同时，将本层的节点的下一层（也就是相关联节点再次添加到队列）。
在遍历的时候需要一个memo，用来记录该节点的遍历状态
第一种memo：已遍历，正在遍历，未遍历。
原因在于，当节点处于正在遍历的状态时，如果节点的兄弟节点相互连通，那么第二个兄弟节点将会遍历两次，所以在第一次遇到一个节点的时候，标记为正在遍历。当再次遇到带节点（兄弟节点要添加该节点进队列），节点为正在遍历，因此跳过添加。
只添加未遍历的节点进队列。

第二种memo：已遍历，为遍历
这种memo方法，在添加如队列之前就将其标记为已遍历。这样就避免了循环添加。

最短路径

广度有限搜索是可以的到最短路径的，其的到最短路径的方式在于：
每个节点存储一个值d表示该节点到起点的距离。同时存放一个本节点的父节点p。
在遍历的过程中，如果本节点为未遍历，那么：本节点的d等于上一个节点的d+1，本节点的p等于上一个节点。
该赋值过程发生在添加到队列之前，某点已经被添加到队列，那么不应该在赋值。

当遍历存在分支，在某个点的时候两个分支回合，第一次遍历的时候将回合点添加到队列，而本条分支就是会合点距离起始点的最短路径。而下一次遍历到回合点的分支，一定大于等于本次的。
因为广度优先遍历按层遍历。

最短路径就保存在这些p中，从结束点，依次递归或者迭代的去访问节点的p就可以到达起始点。

所以，可以看出，广度优先搜索其按层搜索的特征决定了可以用于最短路径的搜索

深度优先搜索

深度优先搜索其搜索过程，是，优先搜索分支的每一条分支。到达最深处返回，再去搜索另一条分支。
这类似与一个栈。

同样也需要上面两种形式的memo，来防止节点的循环添加。

在遍历一个节点的时候，处理完该节点以后，将其分支全部压入栈中。再从栈中取出一个元素，处理该元素结束以后再将该元素的分支压入此栈。。。。。。如此循环，可以发现，栈基本上是在增长的（当分支只有一个时，不变化），直到到达了分支的末端，栈开始减少。

深度优先搜索中的d（距离）并没有什么用，因为其已经不再代表最短距离，而是取决于同一个节点不同分支的遍历顺序。

拓扑排序

因为深度优先搜索的搜索特性，其可以用来表示节点（将节点想象成事件）的发生先后顺序，而遍历的结果是其中一种可能的顺序（存在环形）。

比如，我们从起始点开始遍历图，可以想为，穿衣的顺序。
起始点有两条分支：穿上衣，穿下衣，穿鞋袜。
那么深度优先搜索会尽可能深的遍历其中一条分支，比如穿上衣：内衣->衬衣->外套。
在衬衣和外套之间可能存在戴领带，带臂章最终又在穿外套点回合，因此是一个环形。
内衣->衬衣->领带->臂章->外套。
因为环形的存在因此给出一种顺序。

因此如果每个点保存一个：该点开始处理时间，该点处理结束的时间。
那么在这两个时间之间，是该节点的分支的处理时间。
{a{b…b}{c…c}a}
bb,cc 中间是其节点分支。

最短路径

http://blog.csdn.net/qq_32353771/article/details/52820176

使用最深优先搜索求最短路径，需要在遍历完一个点的时候，再将这个点该为未遍历。
但是低效，如果一个节点的子节点相互连通，那么一定会被重复遍历！

强连通分量

一个有向图中，如果任意两点之间可到达，那么该图是一个强连通图
在一个非强连通图中，某个子图可以是强连通图，那么最大的强连通子图就是强连通分量