实现图的深度优先遍历和广度优先遍历算法

深度优先遍历（DFS）算法的实现：

1. 创建一个栈来存储遍历的节点，将起始节点压入栈中。

2. 创建一个 visited 数组，用来记录节点是否已经被访问过，将起始节点标记为已访问。

3. 当栈不为空时，从栈顶取出一个节点，并遍历它的邻居节点，如果邻居节点没有被访问过，则将其压入栈中，并标记为已访问。

4. 重复步骤 3，直到栈为空。

以下是深度优先遍历的 Python 代码实现：

def dfs(graph, start):
    stack = [start]
    visited = set([start])
    while stack:
        node = stack.pop()
        print(node)
        for neighbor in graph[node]:
            if neighbor not in visited:
                stack.append(neighbor)
                visited.add(neighbor)

广度优先遍历（BFS）算法的实现：

1. 创建一个队列来存储遍历的节点，将起始节点加入队列中。

2. 创建一个 visited 数组，用来记录节点是否已经被访问过，将起始节点标记为已访问。

3. 当队列不为空时，从队列头部取出一个节点，并遍历它的邻居节点，如果邻居节点没有被访问过，则将其加入队列尾部，并标记为已访问。

4. 重复步骤 3，直到队列为空。

以下是广度优先遍历的 Python 代码实现：

from collections import deque

def bfs(graph, start):
    queue = deque([start])
    visited = set([start])
    while queue:
        node = queue.popleft()
        print(node)
        for neighbor in graph[node]:
            if neighbor not in visited:
                queue.append(neighbor)
                visited.add(neighbor)

其中，graph 是图的邻接表表示，start 是遍历的起始节点。