完成图的深度优先遍历算法、广度优先遍历算法。其中，邻接表的创建相当于创建多个单链表。 每一句代码都需要详细注释

好的，下面是深度优先遍历算法和广度优先遍历算法的代码实现和注释：

## 深度优先遍历算法

### 递归实现

class Graph:
    def __init__(self, vertices):
        self.vertices = vertices
        self.adj_list = [[] for _ in range(vertices)]
    
    def add_edge(self, src, dest):
        self.adj_list[src].append(dest)
        self.adj_list[dest].append(src)
    
    def dfs_util(self, v, visited):
        visited[v] = True
        print(v, end=' ')
        for i in self.adj_list[v]:
            if not visited[i]:
                self.dfs_util(i, visited)
    
    def dfs(self, start):
        visited = [False] * self.vertices
        self.dfs_util(start, visited)

深度优先遍历算法使用递归进行实现。首先，我们定义了一个Graph类，包含顶点数和邻接表。我们使用一个列表adj_list来存储邻接表，其中列表的每个元素都是一个空列表，用于存储与该顶点相邻的所有顶点。

接下来，我们定义了一个add_edge方法，用于向图中添加边。此方法接受两个参数：源顶点和目标顶点。我们通过将目标顶点添加到源顶点的邻接表中，以及将源顶点添加到目标顶点的邻接表中，来表示源顶点和目标顶点之间的一条边。

接着，我们定义了一个dfs_util方法，用于实现递归遍历。此方法接受两个参数：当前顶点v和一个布尔值列表visited，表示当前顶点是否被访问过。我们首先将visited[v]设置为True，表示当前顶点已被访问，并将其打印出来。然后，我们遍历与当前顶点相邻的所有顶点，如果某个相邻顶点未被访问，则递归调用dfs_util方法，以此类推。

最后，我们定义了一个dfs方法，用于启动递归遍历。此方法接受一个参数：起始顶点start。我们首先创建一个布尔值列表visited，并将其初始化为False。然后，调用dfs_util方法，以当前顶点和visited列表作为参数开始递归遍历。

### 非递归实现

class Graph:
    def __init__(self, vertices):
        self.vertices = vertices
        self.adj_list = [[] for _ in range(vertices)]
    
    def add_edge(self, src, dest):
        self.adj_list[src].append(dest)
        self.adj_list[dest].append(src)
    
    def dfs(self, start):
        visited = [False] * self.vertices
        stack = []
        stack.append(start)
        while stack:
            v = stack.pop()
            if not visited[v]:
                visited[v] = True
                print(v, end=' ')
            for i in self.adj_list[v]:
                if not visited[i]:
                    stack.append(i)

深度优先遍历算法还可以使用非递归方式实现，我们使用栈来代替递归的系统栈。首先，我们定义了一个Graph类，包含顶点数和邻接表。我们使用一个列表adj_list来存储邻接表，其中列表的每个元素都是一个空列表，用于存储与该顶点相邻的所有顶点。

接下来，我们定义了一个add_edge方法，用于向图中添加边。此方法接受两个参数：源顶点和目标顶点。我们通过将目标顶点添加到源顶点的邻接表中，以及将源顶点添加到目标顶点的邻接表中，来表示源顶点和目标顶点之间的一条边。

接着，我们定义了一个dfs方法，用于实现非递归遍历。此方法接受一个参数：起始顶点start。我们首先创建一个布尔值列表visited，并将其初始化为False。然后，我们创建一个栈stack，并将起始顶点start压入栈中。接下来，我们开始循环，直到栈为空。在每次循环中，我们从栈中弹出一个顶点v。如果当前顶点未被访问过，则将visited[v]设置为True，表示当前顶点已被访问，并将其打印出来。然后，我们遍历与当前顶点相邻的所有顶点，如果某个相邻顶点未被访问，则将其压入栈中，以此类推。

## 广度优先遍历算法

from collections import deque

class Graph:
    def __init__(self, vertices):
        self.vertices = vertices
        self.adj_list = [[] for _ in range(vertices)]
    
    def add_edge(self, src, dest):
        self.adj_list[src].append(dest)
        self.adj_list[dest].append(src)
    
    def bfs(self, start):
        visited = [False] * self.vertices
        queue = deque()
        queue.append(start)
        visited[start] = True
        while queue:
            v = queue.popleft()
            print(v, end=' ')
            for i in self.adj_list[v]:
                if not visited[i]:
                    visited[i] = True
                    queue.append(i)

广度优先遍历算法使用队列进行实现。首先，我们导入了Python的collections模块，用于创建双向队列deque。然后，我们定义了一个Graph类，包含顶点数和邻接表。我们使用一个列表adj_list来存储邻接表，其中列表的每个元素都是一个空列表，用于存储与该顶点相邻的所有顶点。

接下来，我们定义了一个add_edge方法，用于向图中添加边。此方法接受两个参数：源顶点和目标顶点。我们通过将目标顶点添加到源顶点的邻接表中，以及将源顶点添加到目标顶点的邻接表中，来表示源顶点和目标顶点之间的一条边。

接着，我们定义了一个bfs方法，用于实现广度优先遍历。此方法接受一个参数：起始顶点start。我们首先创建一个布尔值列表visited，并将其初始化为False。然后，我们创建一个双向队列queue，并将起始顶点start添加到队列中。接下来，我们将visited[start]设置为True，表示起始顶点已被访问。接着，我们开始循环，直到队列为空。在每次循环中，我们从队列的左侧弹出一个顶点v，并将其打印出来。然后，我们遍历与当前顶点相邻的所有顶点，如果某个相邻顶点未被访问，则将其添加到队列的右侧，并将visited[i]设置为True，表示该顶点已被访问，以此类推。