图的广度优先搜索（BFS）和深度优先搜索（DFS）算法是图论中两种基本的搜索算法，它们在图的遍历、路径查找、连通性检测等任务中具有重要作用。下面将详细介绍这两种算法的原理、实现步骤以及各自的应用场景。
广度优先搜索（BFS）
算法原理
BFS算法从指定的起始节点开始，首先访问该节点，然后逐层地访问其相邻节点，直到找到目标节点或遍历完整个图。具体步骤如下：
- 选择一个起始节点，将其标记为已访问，并放入队列中。
- 从队列中取出一个节点（当前节点），访问该节点，并检查其所有未访问过的相邻节点。
- 将这些相邻节点标记为已访问，并将其加入队列中。
- 重复上述步骤，直到队列为空，即所有可达的节点都已经被访问过。
应用场景
- 图的遍历：BFS可以用于遍历或搜索树或图结构，逐层访问所有相邻的节点，直到访问所有可达的节点。
- 最短路径问题：BFS适用于寻找无权图中从起点到终点的最短路径，因为它按照层级顺序访问节点。
- 层次遍历：BFS可以用来按层次顺序遍历树或图结构，例如在二叉树中按层次输出节点的值。
- 社交网络分析：在社交网络中，BFS可以用于查找与特定用户最接近的好友，或者寻找共同好友等。
- 网络爬虫：BFS常用于网络爬虫中，以广度优先的方式爬取网页链接，从而高效地收集信息。
- 游戏开发：在游戏开发中，BFS可以用于寻路算法，如迷宫求解、地图探索等。
- 拓扑排序：在某些有向无环图（DAG）的场景下，BFS可以用于拓扑排序，即确定一个线性的顺序，使得对于每一条有向边(u, v)，u都在v之前。
深度优先搜索（DFS）
算法原理
DFS算法从起始节点开始，沿着一个路径尽可能深地搜索，直到无法继续为止，然后回溯并探索其他路径。具体步骤如下：
- 选择一个起始节点，访问该节点，并标记为已访问。
- 递归访问所有未被访问的邻接节点。
- 当当前节点的所有邻接节点都被访问过后，返回到上一个节点继续探索其他路径。
- 重复上述步骤，直到所有节点都被访问完毕。
应用场景
- 图论问题：DFS常常用于解决图论中的一些问题，比如查找图中的路径、寻找连通分量、判断图是否有环等。
- 搜索引擎：在搜索引擎中，DFS被广泛应用于网页爬取和页面排名。
- 游戏和人工智能：在棋类游戏中，可以利用DFS来计算最优的下棋步骤；在人工智能领域，DFS可以帮助机器人或者智能系统找到最优的解决方案。
- 路径规划：在地图导航、物流配送等领域，DFS可以用来计算最短路径或者最优路径。
- 数据挖掘：在数据挖掘领域，DFS可以用来发现数据之间的关联规则、聚类分析等，帮助企业进行市场分析、产品推荐等工作。
- 连通性问题：DFS可以用于判断两个节点是否在同一连通分量中。
- 迷宫求解：DFS可以用于迷宫求解，从起点开始，尝试所有可能的移动，直到找到终点。
代码实现
BFS 通过队列实现，按层次访问图中的节点；
DFS 通过栈实现，尽可能深地搜索图的分支。
public class 
