写一个广度优先搜索算法的伪代码，支持搜索策略定制，调整fringe集合中节点的次序

当然，这里是一个基础的广度优先搜索（Breadth-First Search, BFS）算法的伪代码示例，它允许用户自定义搜索策略，比如通过队列或优先级队列（FIFO 或者 LIFO）来调整fringe（待访问节点队列）中的节点次序：

function BFS(graph, start_node, search_strategy="queue", custom_fringe_order=None):
    // 初始化
    visited = set()           // 记录已访问过的节点
    fringes[search_strategy] = [start_node]   // 根据策略设置初始fringe

    while fringes[search_strategy]:
        current_level = fringes[search_strategy].pop(0)  // 按照定制顺序取出第一个节点
        
        for neighbor in graph.neighbors(current_level):   // 遍历邻居
            if neighbor not in visited:
                visited.add(neighbor)
                if custom_fringe_order is not None:
                    # 如果有自定义顺序函数，应用于此节点
                    custom_fringe_order(neighbor)
                fringes[search_strategy].append(neighbor)  // 加入fringe

    return visited

在这个伪代码中，`search_strategy` 参数可以选择默认的队列（"queue"），或者你可以提供一个自定义的函数`custom_fringe_order`来改变节点添加到fringe的顺序。这使得算法能够适应不同的应用场景，比如按照距离最近先处理（适用于寻找最短路径）或者特定优先级处理（优先级队列）。