算法1:输入图的类型、顶点数、弧(边)数、顶点信息、弧(边)信息,建立相应的图(具体类型可以是无向图、有向图、无向网、有向网,采用邻接矩阵存储结构);分别按深度优先搜索和广度优先搜索遍历图;按某种形式输

出遍历结果。

1. 建立图的过程：

首先，根据输入的图的类型、顶点数和弧（边）数，初始化一个邻接矩阵G，将矩阵中每个元素都初始化为0。然后，将顶点信息按照顺序依次存储到一个一维数组V中。接着，将弧（边）信息按照起始顶点和终止顶点的顺序依次存储到一个二维数组E中，其中E[i][0]表示第i条弧（边）的起始顶点，E[i][1]表示第i条弧（边）的终止顶点，E[i][2]表示该弧（边）的权值（如果是网）。

接下来，根据图的类型，采用不同的方式来进行邻接矩阵的构建。如果是无向图或有向图，则将G[i][j]和G[j][i]（如果是无向图）或G[i][j]（如果是有向图）分别赋值为1，表示从顶点i到顶点j有一条弧（边）。如果是无向网或有向网，则将G[i][j]或G[j][i]（如果是无向网）或G[i][j]（如果是有向网）赋值为该弧（边）的权值。

2. 深度优先搜索过程：

深度优先搜索是一种递归的遍历方式。具体实现过程如下：

（1）定义一个数组visited，用于标记每个顶点是否被访问过，初始值全部为false。

（2）从任意一个顶点开始，依次访问它的邻接点。如果该邻接点未被访问，则以该邻接点为起点递归进行深度优先搜索，直到所有与起点相连的顶点都被访问过。

（3）如果存在未被访问的顶点，则从中选择一个顶点作为起点，重复步骤（2）。

（4）如果所有顶点都被访问过，则结束遍历。

具体实现代码如下：

def DFS(G, v, visited):
    visited[v] = True
    print(v)

    for i in range(len(G)):
        if G[v][i] != 0 and not visited[i]:
            DFS(G, i, visited)

def DFS_traversal(G):
    visited = [False] * len(G)

    for i in range(len(G)):
        if not visited[i]:
            DFS(G, i, visited)

3. 广度优先搜索过程：

广度优先搜索是一种按层次遍历的方式。具体实现过程如下：

（1）定义一个队列queue，用于存储已经被访问过但其邻接点还未被访问的顶点。

（2）从任意一个顶点开始，将其加入队列queue中，并标记为已访问。

（3）从队列queue中取出一个顶点v，访问它的所有邻接点，并将未被访问过的邻接点加入队列queue中，并标记为已访问。

（4）重复步骤（3），直到队列queue为空。

具体实现代码如下：

from queue import Queue

def BFS(G, v, visited):
    queue = Queue()
    queue.put(v)
    visited[v] = True

    while not queue.empty():
        v = queue.get()
        print(v)

        for i in range(len(G)):
            if G[v][i] != 0 and not visited[i]:
                queue.put(i)
                visited[i] = True

def BFS_traversal(G):
    visited = [False] * len(G)

    for i in range(len(G)):
        if not visited[i]:
            BFS(G, i, visited)

4. 输出遍历结果：

在DFS和BFS的实现代码中，我们分别先输出了每个被访问的顶点的编号，这个可以根据具体需求进行修改，比如输出顶点信息，或者将遍历结果存储到一个列表中等等。