搜索算法的实现，从树的遍历角度讲，有深度优先和广度优先两种。深度优先我们在前边已经介绍过，我们先来简单回顾一下：
如算法名称那样，深度优先搜索所遵循的搜索策略是尽可能“深”地搜索树。在深度优先搜索中，对于当前发现的结点，如果它还存在以此结点为起点而未探测到的边，就沿此边继续搜索下去，若当结点的所有边都己被探寻过．将回溯到当前结点的父结点，继续上述的搜索过程直到所有结点都被探寻为止。
深度优先搜索在树的遍历中也称作树的先序遍历。对于树而言，深度优先搜索的思路可以描述为：
(1)将根结点置为出发结点。
(2)访问该出发结点．
(3)依次将出发结点的子结点置为新的出发结点．进行深度优先遍历(执行(2))。
(4)退回上一层的出发结点。
深度优先搜索图示（以八数码问题为例）
广度优先搜索算法（又称宽度优先搜索）是最简便的图的搜索算法之一，这一算法也是很多重要的图的算法的原型。Dijkstra单源最短路径算法和Prim最小生成树算法都采用了和宽度优先搜索类似的思想。
广度优先算法的核心思想是：从初始节点开始，应用算符生成第一层节点，检查目标节点是否在这些后继节点中，若没有，再用产生式规则将所有第一层的节点逐一扩展，得到第二层节点，并逐一检查第二层节点中是否包含目标节点。若没有，再用算符逐一扩展第二层的所有节点……，如此依次扩展，检查下去，直到发现目标节点为止。即
⒈从图中的某一顶点V0开始，先访问V0；
⒉访问所有与V0相邻接的顶点V1，V2，......，Vt；
⒊依次访问与V1，V2，......，Vt相邻接的所有未曾访问过的顶点；
⒋循此以往，直至所有的顶点都被访问过为止。
这种搜索的次序体现沿层次向横向扩长的趋势，所以称之为广度优先搜索。
广度优先搜索算法描述1：
1 Program Bfs；
2 初始化，初始状态存入队列；
3 队列首指针head:=0; 尾指针tail:=1；
4 repeat
5 指针head后移一位，指向待扩展结点；
6 for I=1 to max do //max为产生子结点的规则数
7 if 子结点符合条件 then
8 if 新结点与原已产生结点不重复 then
9 begin
10 tail指针增1，把新结点存入列尾；
11 if新结点是目标结点 then 输出并退出；
12 end;
13 until(head>=tail); //队列为空
广度优先搜索算法描述2：
1 Program Bfs；
2 初始化，初始状态存入队列；
3 队列首指针head:=0; 尾指针tail:=1；
4 repeat
5 指针head后移一位，指向待扩展结点；
6 for I=1 to max do //max为产生子结点的规则数
7 if 子结点符合条件 then
8 if 新结点是目标结点 then 输出
9 else
10 if新结点与原已产生结点不重复 then
11 tail 指针增1，把新结点存入队尾；
12 until(head>=tail); {队列空}
1、每生成一个子结点，就要提供指向它们父亲结点的指针。当解出现时候，通过逆向跟踪，找到从根结点到目标结点的一条路径。当然不要求输出路径，就没必要记父亲。
2、生成的结点要与前面所有已经产生结点比较，以免出现重复结点，浪费时间，还有可能陷入死循环。
3、如果目标结点的深度与“费用”（如：路径长度）成正比，那么，找到的第一个解即为最优解，这时，搜索速度比深度搜索要快些，在求最优解时往往采用广度优先搜索；如果结点的“费用”不与深度成正比时，第一次找到的解不一定是最优解。
4、广度优先搜索的效率还有赖于目标结点所在位置情况，如果目标结点深度处于较深层时，需搜索的结点数基本上以指数增长。
【例1】图4表示的是从城市A到城市H的交通图。从图中可以看出，从城市A到城市H要经过若干个城市。现要找出一条经过城市最少的一条路线。
【算法分析】
看到这图很容易想到用邻接距阵来表示，0表示能走，1表示不能走。如图。
原文：http://www.cnblogs.com/vacation/p/5183547.html