已知图以邻接矩阵作为存储结构，编写算法判断两个指定顶点之间是否存在路径

### 回答1：
可以使用深度优先搜索或广度优先搜索算法来判断两个指定顶点之间是否存在路径。具体步骤如下：

1. 选择一个起始顶点，将其标记为已访问。

2. 遍历该顶点的所有邻接点，如果邻接点未被访问，则将其标记为已访问，并将其加入到待访问队列中。

3. 从待访问队列中取出下一个顶点，重复步骤2，直到队列为空。

4. 如果在遍历过程中找到了目标顶点，则说明存在路径，否则不存在路径。

需要注意的是，如果使用深度优先搜索算法，则需要使用递归函数来实现；如果使用广度优先搜索算法，则需要使用队列来实现。

### 回答2：
题目要求编写算法判断两个指定顶点之间是否存在路径，而图是以邻接矩阵作为存储结构的，那么我们可以采用深度优先遍历或广度优先遍历来判断路径是否存在。以下分别介绍两种算法：

深度优先遍历：

深度优先遍历是一种从起始顶点出发，沿着一条路走到底，直到不能再走为止，然后回溯到前一个节点，再去走其他的路径，直到所有路径都被走到为止的遍历方式。我们可以从起始顶点开始遍历，每经过一个顶点就将其标记为已经访问过，然后再继续遍历其未被访问的邻接点，直到到达目标顶点或遍历完所有顶点。

具体实现步骤为：首先设置一个visited数组，用于记录每个顶点是否被访问过，然后设置一个栈用于保存需要遍历的下一个顶点。从起始顶点开始，将其push进栈中，然后不断从栈中pop出一个顶点，将其标记为已经访问过，再遍历其未被访问的邻接点，将其push进栈中，直到找到目标顶点或栈为空为止。若栈为空，则说明无法从起始顶点到达目标顶点，否则说明两个顶点之间存在路径。

广度优先遍历：

广度优先遍历是一种从起始顶点出发，先走其相邻节点，然后逐层遍历，直到到达目标顶点或遍历完所有顶点的遍历方式。我们可以从起始顶点开始遍历，每经过一个顶点就将其标记为已经访问过，然后再遍历其未被访问的邻接点，将其加入队列中等待遍历，直到找到目标顶点或队列为空为止。若队列为空，则说明无法从起始顶点到达目标顶点，否则说明两个顶点之间存在路径。

具体实现步骤为：首先设置一个visited数组，用于记录每个顶点是否被访问过，然后设置一个队列用于保存需要遍历的下一个顶点。从起始顶点开始，将其加入队列中，同时将其标记为已经访问过，然后不断从队列中pop出一个顶点，遍历其未被访问的邻接点，将其加入队列中并标记为已经访问过，直到找到目标顶点或队列为空为止。若队列为空，则说明无法从起始顶点到达目标顶点，否则说明两个顶点之间存在路径。

综上所述，只要通过深度优先遍历或广度优先遍历判断两个指定顶点之间是否存在路径，就可以实现题目要求的算法。

### 回答3：
邻接矩阵是一种常用的图的存储结构，可以将图中的节点和边映射到矩阵中，方便地进行图的遍历和搜索。为了判断图中两个指定顶点之间是否存在路径，我们可以使用深度优先搜索或者广度优先搜索算法。

深度优先搜索算法是一种递归的搜索方法，遍历一个节点时，先将该节点标记为已访问，然后依次遍历它的所有邻居节点，对于每一个未访问过的邻居节点，递归地进行深度优先搜索。在搜索过程中，如果找到了指定的目标节点，那么路径就存在；否则，如果所有的邻居节点都已访问过，搜索回溯到上一个节点。

广度优先搜索算法是一种非递归的搜索方法，使用队列数据结构来实现。遍历一个节点时，将该节点标记为已访问，并将其加入到队列中。然后从队列中取出一个节点，依次遍历它的所有邻居节点，并将未访问过的邻居节点加入到队列中。直到队列为空或者找到了指定的目标节点为止。

基于邻接矩阵的存储结构，我们可以使用以下步骤来判断两个指定顶点之间是否存在路径：

1. 根据邻接矩阵检查两个顶点之间是否存在边。如果两个顶点之间存在边，则路径存在，直接返回 true。
2. 如果两个顶点之间不存在边，则需要使用图遍历算法来查找路径。
3. 初始化搜索算法，将起点节点标记为已访问，并将其加入到搜索队列中。
4. 对于深度优先搜索算法，依次遍历每个节点的邻居节点，如果找到了目标节点，则路径存在，直接返回 true；否则递归地进行深度优先搜索。
5. 对于广度优先搜索算法，从队列中取出一个节点，依次遍历其所有邻居节点，如果找到了目标节点，则路径存在，直接返回 true；否则将未访问过的邻居节点加入到队列中。
6. 如果搜索队列为空，说明不存在从起点到目标节点的路径，返回 false。

综上所述，我们可以根据邻接矩阵的存储结构，结合深度优先搜索或广度优先搜索算法来判断两个指定顶点之间是否存在路径。