如何使用Python通过深度优先搜索(DFS)算法创建一个迷宫，然后利用广度优先搜索(BFS)进行路径规划，最后借助Matplotlib库实现迷宫图形的可视化界面展示？

在Python中，我们可以先用深度优先搜索（DFS）生成一个简单的迷宫。这里我们假设迷宫是一个二维矩阵，其中0表示空地可以通行，1表示障碍物：

import random

def create_maze(maze, start, end):
    stack = [(start)]
    while stack:
        x, y = stack.pop()
        maze[x][y] = 1  # 标记当前位置为障碍物
        directions = [(x+1, y), (x-1, y), (x, y+1), (x, y-1)]  # 可选方向
        random.shuffle(directions)
        for dx, dy in directions:
            if 0 <= dx < len(maze) and 0 <= dy < len(maze[0]) and maze[dx][dy] == 0:
                maze[dx][dy] = 1  # 随机选择一条路作为障碍
                stack.append((dx, dy))  # 将新位置入栈
                if (dx, dy) == end:
                    break  # 找到终点，停止搜索

# 创建一个5x5的迷宫
maze = [[0] * 5 for _ in range(5)]
create_maze(maze, (0, 0), (4, 4))

接下来，使用广度优先搜索（BFS）找到从起点到终点的最短路径：

from collections import deque

def bfs(maze, start, end):
    queue = deque([(start)])
    visited = set([start])
    while queue:
        x, y = queue.popleft()
        if (x, y) == end:
            path = []
            while x != start or y != 0:
                path.append((x, y))
                x, y = maze[x][y - 1]
            return path[::-1]  # 返回逆序路径
        for dx, dy in [(x+1, y), (x-1, y), (x, y+1), (x, y-1)]:  # 检查相邻未访问的位置
            nx, ny = dx, dy
            if 0 <= nx < len(maze) and 0 <= ny < len(maze[0]) and maze[nx][ny] == 0 and (nx, ny) not in visited:
                visited.add((nx, ny))
                queue.append((nx, ny))

path = bfs(maze, (0, 0), (4, 4))

最后，我们可以使用`matplotlib`库将迷宫和路径可视化：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
ax.imshow(np.where(maze, '1', '.'), cmap='gray')
for x, y in path:
    ax.plot(x, y, 'r-o')  # 红色圆点标记路径节点
plt.show()