前言
搜索是最常用的算法之一，更是在图算法中占有核心的位置，图算法最基本的就是图的遍历，而遍历图的两种最基本的方法就是 深度优先搜索(DFS)和广度优先搜索(BFS)。在搜索算法的编写过程中每个人都有自己的理解和习惯，但有一些框架和 场景是不变的，比如说DFS一般使用递归，而BFS使用队列，这里进行一下总结。
DFS
深度优先搜索算法适合于很多场景的问题的解决，很多能用动态规划解决的题目也能用DFS来解决，它的总体思想是 在条件满足的情况下直到搜索出一组解为止，搜索算法的复杂度与图的组成和表示有很大的关系，一般情况下DFS达不到 题目的时间要求的话，就需要对其进行剪枝，怎样去剪枝才是DFS算法的难点。我们来看题目：
Poj1011（一道比较经典的搜索题） 题目大意是：
有若干根长度相同的木棍被折成了若干根短的木根(不一定相等)，现已知一堆短木棍的长度，求原木棍的最短长度。这道题我们可以设：木棍长度x1，x2，x3....很容易确定原木棍的长度就在Max(xi)与Sum(xi)之间，设为d，可 以让d在两个最值之间循环，如果d能满足将所有的短木棍能拼成若干长度为d的长木棍，则d满足条件。怎么判断d 是否满足条件呢，一个好的解决方法是深搜。
void dfs(int begin,int len,int num){ if num显示已经搜索完成 退出 if 如果len满足长度条件了 num+1，进行下一个d的搜索 else{ for(int i=begin;i<n;i++) 改变begin和len的值进行dfs } }上面就是一般dfs算法的模型，begin标记起始点，len表示当前的num的进展程度，如果num达到要求表示搜索完成。
还有一道题和这个题很像就是：给你若干木棍，问是否能将他们拼成一个正方形，与这题的思路几乎是一模一样的， 而且还更简单，只用考虑四个边。我们真正的目的是在这个题目中学会方法，这两道题都不需要怎么剪枝就能通过， 我们有时需要在算法中加一些条件限制，以获得更好的时间。
BFS
广度优先搜索最适合的场合就是求最短路径的问题，从根节点到目标节点的最短路径就是该图的广度优先遍历。BFS 的大致思路就是：首先将根节点放入队列中，每次取出队头的节点，然后依次访问与这个节点相邻的各个节点，并 将他们放入队尾中，这样离根节点越近的节点就会被先访问到。来看题目：
Poj1915(一道经典的广搜题) 题目大意如下：
在一个棋盘中按照马字来行走，求两点之间到达的最短距离。
这个题目咋一看跟骑士漫游题目有点像，骑士漫游问题是问从棋盘的任一位置出发能否遍历整个棋盘(DFS)。而这道 题是为了求最短距离，我们不妨以出发点为根，找出从根能到达的各个点，并标记上与根的距离，这样按照BFS的 思想依次遍历下去遍历到终点便返回，因为由骑士漫游问题知：按照马字步，棋盘上的任意两点都是可达的。算法 描述：
void bfs(){
Q.offer(begin_x*n+begin_y);//将根加入到队列中
while(!Q.isEmpty()
int p=Q.poll(); //取出队列头
for(int i=0;i<8;i++)
if(该点没有被遍历到)
board[x][y]=board[p/n][p%n]+1; //记录与根的距离
if(x==end_x&&y==end_y) is=false;//找到就返回
Q.offer(x*n+y); //没找到就放入队列中
}
这也是BFS的一般模型，在碰见类似求与根节点的最短距离的问题时，首先能反应用广度优先搜索时关键。