图的遍历和生成树求解 (1)先任意创建一个图； (2)图的DFS,BFS的递归和非递归算法的实现 (3)最小生成树（两个算法）的实现，求连通分量的实现 (4)要求用邻接矩阵、邻接表、十字链表多种结构存储实现给出代码

在图论中，遍历和生成树的求解是关键的概念。首先，我们来简述一下：

1. **图的创建**：图可以使用多种数据结构表示，如邻接矩阵、邻接表、十字链表等。邻接矩阵是一个二维数组，其中每个元素表示两个顶点之间是否存在边；邻接表由节点集合和每节点对应的邻接点列表组成；十字链表则将边作为独立的数据结构，每个节点包含指向其相邻节点的指针。

2. **深度优先搜索（DFS）和广度优先搜索（BFS）**：
- DFS：递归实现通常会从起点开始，对每一个未访问的邻接点递归地进行探索。而非递归版本通常维护一个栈，将起点入栈，然后不断取出栈顶节点并访问其未访问过的邻接点。
- BFS：递归实现相对较少见，因为需要保证队列的操作顺序。非递归BFS通过一个队列记录待访问的节点，并每次从队首取出节点，再将其所有未访问的邻居加入队尾。

3. **最小生成树（Minimum Spanning Tree, MST）**：
- Kruskal's Algorithm（克鲁斯卡尔算法）：一种贪心策略，从小到大选取边，确保每条边都不形成环。
- Prim's Algorithm（普里姆算法）：从一个起始顶点出发，逐步扩大生成树，每次选择当前树外的一条最短边。

4. **连通分量**：这是图的一种划分，表示图中互为路径的各个部分。DFS或BFS都可以用来发现连通分量，标记已访问的节点并查找其未访问的邻接节点。

下面是使用邻接矩阵、邻接表和十字链表三种结构的简单示例代码片段（这里仅提供伪代码，实际编程语言可能会有所不同）：

// 使用邻接矩阵
dfs(matrix, start):
    visited[start] = true
    for i in range(vertices):
        if matrix[start][i] and !visited[i]:
            dfs(matrix, i)

// 使用邻接表
bfs(adj_list, start):
    queue.push(start)
    while not queue.empty():
        vertex = queue.pop()
        // 遍历邻接点...

// 使用十字链表
mst(cross_list):
    result = []
    for edge in cross_list:
        if add_edge_to_mst(edge, result):
            break

对于具体的实现细节和全部代码，你需要查阅相关的编程教程或参考书籍。