完成图的深度优先搜索和广度优先搜索遍历算法的设计并实现

完成图的深度优先搜索(Depth First Search, DFS)和广度优先搜索(Breadth First Search, BFS)遍历算法设计及其实现主要包括以下几个步骤：

### 深度优先搜索 (DFS)
1. **数据结构**：通常使用栈（Stack）作为辅助数据结构，因为DFS类似于递归过程，直到达到叶子节点才会回溯。
2. **算法流程**：
- 初始化：选择一个起始节点，将其压入栈中。
- 主循环：如果栈不为空，弹出栈顶节点，访问该节点，并将未访问的相邻节点压入栈中。
- 重复此过程，直到栈空。
3. **Python 实现**（伪代码）：

   def dfs(graph, start):
       visited = set()
       stack = [start]
       while stack:
           vertex = stack.pop()  # 弹出栈顶节点
           if vertex not in visited:
               visited.add(vertex)
               for neighbor in graph[vertex]:  # 遍历邻居
                   stack.append(neighbor)
       return visited

### 广度优先搜索 (BFS)
1. **数据结构**：使用队列（Queue）存储节点，按照距离从起点开始逐层遍历。
2. **算法流程**：
- 初始化：将起始节点放入队列，并标记为已访问。
- 主循环：取出队首节点，访问它，然后将其所有未访问的相邻节点加入队列。
- 重复此过程，直到队列为空。
3. **Python 实现**（伪代码）：

   from collections import deque

   def bfs(graph, start):
       visited = set()
       queue = deque([start])
       while queue:
           vertex = queue.popleft()  # 取出队首
           if vertex not in visited:
               visited.add(vertex)
               for neighbor in graph[vertex]:  # 添加相邻节点到队列
                   queue.append(neighbor)
       return visited