在了解图的两种遍历方式前，需要知道图的存储方式，此处只说明简单的稀疏图的存储方式：邻接矩阵
邻接矩阵既可以用来存储无向图，也可以用来存储有向图。该结构实际上就是用一个二维数组（邻接矩阵）来存储顶点的信息和顶点之间的关系（有向图的弧或无向图的边）。其描述形式如下：
//图的邻接矩阵存储表示
#define MAX_NUM 20 // 最大顶点个数
enum GraphKind{GY,GN}; // {有向图,无向图}
typedef struct
{
VRType adj; // 顶点关系类型。对无权图，用1(是)或0(否)表示是否相邻；对带权图，则为权值
InfoType *info; // 与该弧或边相关信息的指针(可无)
}ArcCell,AdjMatrix[MAX_NUM][MAX_NUM]; // 二维数组
typedef struct
{
VertexType vexs[MAX_NUM]; // 顶点向量
AdjMatrix arcs; // 邻接矩阵
int vexnum,arcnum; // 图的当前顶点数和弧（边）数
GraphKind kind; // 图的种类标志
}Graph; 分别看下面两个图，左边为有向图，右边为无向图
上面两个图均为无权图，我们假设存储的时候，V0的序号为0，V1的序号为1，V2的序号为2。。。，且adj为1表示两顶点间没有没有连接，为0时表示有连接。则有向图的邻接矩阵如下图左边的矩阵所示，无向图的邻接矩阵如下图右边的矩阵所示；
根据邻接矩阵很容易判断图中任意两个顶点之间连通与否，并可以求出各个顶点的度。
1、对于无向图，观察右边的矩阵，发现顶点Vi的度即是邻接矩阵中第i行（或第i列）的元素之和。
2、对于有向图，由于需要分别计算出度和入读，观察左边的矩阵，发现顶点Vi的出度即为邻接矩阵第i行元素之和，入度即为邻接矩阵第i列元素之和，因此顶点Vi的度即为邻接矩阵中第i行元素和第i列元素之和。
很明显，邻接矩阵所占用的存储空间与图的边数或弧数无关，因此适用于边数或弧数较多的稠密图。
本文章的小测试部分的测试实例是下图
：
一、深度优先搜索遍历
从顶点v出发深度遍历图G的算法
① 访问v
② 依次从顶点v未被访问的邻接点出发深度遍历。
#include<iostream>
using namespace std;
int a[11][11];
bool visited[11];
void store_graph() //邻接矩阵存储图
{
int i,j;
for(i=1;i<=10;i++)
for(j=1;j<=10;j++)
cin>>a[i][j];
}
void dfs_graph() //深度遍历图
{
void dfs(int v);
memset(visited,false,sizeof(visited));
for(int i=1;i<=10;i++) //遍历每个顶点是为了防止图不连通时无法访问每个顶点
if(visited[i]==false)
dfs(i);
}
void dfs(int v) //深度遍历顶点
{
int Adj(int x);
cout<<v<<" "; //访问顶点v
visited[v]=true;
int adj=Adj(v);
while(adj!=0)
{
if(visited[adj]==false)
dfs(adj); //递归调用是实现深度遍历的关键所在
adj=Adj(v);
}
}
int Adj(int x) //求邻接点
{
for(int i=1;i<=10;i++)
if(a[x][i]==1 && visited[i]==false)
return i;
return 0;
}
int main()
{
cout<<"初始化图:"<<endl;
store_graph();
cout<<"dfs遍历结果:"<<endl;
dfs_graph();
return 0; 
二、广度优先搜索遍历
从顶点v出发遍历图G的算法买描述如下：
①访问v
②假设最近一层的访问顶点依次为vi1,vi2,vi3…vik，则依次访问vi1,vi2,vi3…vik的未被访问的邻接点
③重复②知道没有未被访问的邻接点为止
#include<iostream>
#include<queue>
using namespace std;
int a[11][11];
bool visited[11];
void store_graph()
{
for(int i=1;i<=10;i++)
for(int j=1;j<=10;j++)
cin>>a[i][j];
}
void bfs_graph()
{
void bfs(int v);
memset(visited,false,sizeof(visited));
for(int i=1;i<=10;i++)
if(visited[i]==false)
bfs(i);
}
void bfs(int v)
{
int Adj(int x);
queue<int> myqueue;
int adj,temp;
cout<<v<<" ";
visited[v]=true;
myqueue.push(v);
while(!myqueue.empty()) //队列非空表示还有顶点未遍历到
{
temp=myqueue.front(); //获得队列头元素
myqueue.pop(); //头元素出对
adj=Adj(temp);
while(adj!=0)
{
if(visited[adj]==false)
{
cout<<adj<<" ";
visited[adj]=true;
myqueue.push(adj); //进对
}
adj=Adj(temp);
}
}
}
int Adj(int x)
{
for(int i=1;i<=10;i++)
if(a[x][i]==1 && visited[i]==false)
return i;
return 0;
}
int main()
{
cout<<"初始化图:"<<endl;
store_graph();
cout<<"bfs遍历结果:"<<endl;
bfs_graph();
return 0;
} 
一点心得：
深度优先搜索（DFS）类似于树的先序遍历，广度优先搜索（BFS）类似于树的层序遍历，其中BFS需要队列辅助实现，在DFS中了解递归特性也是难点。
