用广度优先算法和深度优先算法分别实现同一个实例，并分析其时间复杂度和空间复杂度

在Java中，我们可以使用`java.util.Queue`（队列）数据结构来实现广度优先搜索（BFS），而使用递归或栈数据结构来实现深度优先搜索（DFS）。这里我会分别给出这两个算法的基本实现以及它们的时间和空间复杂度。

**广度优先搜索 (BFS)**

import java.util.LinkedList;
import java.util.Queue;

public class BFS {
    private int[][] graph; // 假设为邻接矩阵表示图

    public void bfs(int start) {
        Queue<Integer> queue = new LinkedList<>();
        boolean[] visited = new boolean[graph.length];
        visited[start] = true;
        queue.offer(start);

        while (!queue.isEmpty()) {
            int current = queue.poll();
            System.out.print(current + " "); // 输出节点

            for (int neighbor : graph[current]) { // 邻接节点
                if (!visited[neighbor]) {
                    visited[neighbor] = true;
                    queue.offer(neighbor);
                }
            }
        }
    }
}

**深度优先搜索 (DFS)**

import java.util.Stack;

public class DFS {
    private int[][] graph; // 同样假设为邻接矩阵表示图

    public void dfs(int start, boolean[] visited = null) {
        if (visited == null) {
            visited = new boolean[graph.length];
        }
        visited[start] = true;
        System.out.print(start + " "); // 输出节点

        for (int neighbor : graph[start]) {
            if (!visited[neighbor]) {
                dfs(neighbor, visited);
            }
        }
    }

    // 如果没有传入 visited，则默认所有节点未访问
    public void dfsAll() {
        for (int i = 0; i < graph.length; i++) {
            dfs(i);
        }
    }
}

**时间复杂度**：

- **BFS**: 对于有n个顶点和m条边的图，BFS的时间复杂度通常是O(n)，因为它总是从起点开始逐层遍历直到找到终点或遍历完整个图。
- **DFS**: 如果图是一棵树，DFS的时间复杂度也是O(n)；如果是环形图或有回路，最坏情况下可能达到O(2^n)，因为可能会重复访问节点。

**空间复杂度**：

- **BFS**: 使用队列存储待访问节点，空间复杂度是O(w)，w是最长路径上的节点数，通常等于n（对于完全连接的图）。
- **DFS**: 使用栈存储待访问节点，如果图是树状结构，空间复杂度是O(h)，h是树的高度；如果有回路，最坏情况下的空间复杂度可能是O(n)，其中n是节点总数，因为每个节点都可能进入栈中。

**相关问题--:**

1. 广度优先搜索和深度优先搜索有什么区别？
2. 当图中存在多个起点时，如何修改这两种算法？
3. 如何在有限的空间条件下处理大型图的深度优先搜索？
4. 如果要比较BFS和DFS在实际应用中的优劣，你会考虑哪些因素？