图的深度优先搜索类似于树的先根次序遍历；图的广度优先搜索类似于图的层次遍历。首先利用邻接矩阵作存储结构，编写图的深度优先搜索和广度优先搜索。 测试数据： 6 10 //顶点数 边数 ABCDEF //顶点 (0,1),( 0,2),(0,3),( 0,4),( 1,2),( 1,3),( 2,3),( 2,5),( 3,4),( 3,5), //边 输出该图深度优先搜索和广度优先搜索访问顺序。

以下是使用邻接矩阵存储图的深度优先搜索和广度优先搜索的Python代码：

class Graph:
    def __init__(self, vertices):
        self.vertices = vertices
        self.adj_matrix = [[0 for _ in range(vertices)] for _ in range(vertices)]

    def add_edge(self, u, v):
        self.adj_matrix[u][v] = 1
        self.adj_matrix[v][u] = 1

    def dfs(self, start):
        visited = [False] * self.vertices
        self._dfs(start, visited)

    def _dfs(self, vertex, visited):
        visited[vertex] = True
        print(chr(vertex + 65), end=" ")
        for i in range(self.vertices):
            if self.adj_matrix[vertex][i] == 1 and not visited[i]:
                self._dfs(i, visited)

    def bfs(self, start):
        visited = [False] * self.vertices
        queue = []
        queue.append(start)
        visited[start] = True

        while queue:
            vertex = queue.pop(0)
            print(chr(vertex + 65), end=" ")
            for i in range(self.vertices):
                if self.adj_matrix[vertex][i] == 1 and not visited[i]:
                    queue.append(i)
                    visited[i] = True

g = Graph(6)
g.add_edge(0, 1)
g.add_edge(0, 2)
g.add_edge(0, 3)
g.add_edge(0, 4)
g.add_edge(1, 2)
g.add_edge(1, 3)
g.add_edge(2, 3)
g.add_edge(2, 5)
g.add_edge(3, 4)
g.add_edge(3, 5)

print("DFS traversal:")
g.dfs(0)

print("\nBFS traversal:")
g.bfs(0)

输出结果为：

DFS traversal:
A B C D E F 
BFS traversal:
A B C D E F

其中，`A`、`B`、`C`、`D`、`E`、`F` 分别代表六个顶点，`0`、`1`、`2`、`3`、`4`、`5` 分别是这六个顶点的编号。可以看到，深度优先搜索的访问顺序是 `A B C D E F`，广度优先搜索的访问顺序也是 `A B C D E F`。