一直以来，对关于算法怎么一步步的说教不感冒，嗯，这次知道这个问题怎么做怎么做，确实解决了这个问题！但是跟多问题来了，这世界上形形色色的算法太多，
有的算法流程还超长，还有就是脑子不够用啊，哪里能记住这么多细节啊，就算记住了也不可能长久啊，就算要记也只能记住些典型（划算点）。怎么办爱情甜又酸（vae）？
不啰嗦了，这次关照的是图遍历（搜索），模型的假设：
1. 图是一张网，而你是一只爬虫，爬虫想把每个节点检查一下是否牢固；
2. 作为Actor爬虫，是有状态的对象，每次处于不同的环境需要更新状态；
3. 每次更新状态的方式是类似的。
结合本人经验：一个迭代算法通常要考虑-->
a. 有哪些状态，背景与环境 需要维护；
b. 如何初始化相关量；
c. 状态如何更新；
d. 状态何时更新。
迭代的循环性质，似乎从哪个切点进入或初始化都可以？
没错，这与差分方程与微分方程有点像，初始状态很重要
class Graph: def __init__(self): self.graph: Dict[str, List[str]] = defaultdict(list)def addEdge(self, u, v): self.graph[u].append(v)def dfs_traverse(graph, start):visited, stack = set(), [start]while stack:node = stack.pop()if node not in visited:visited.add(node)for nextNode in graph[node]:if nextNode not in visited:stack.append(nextNode)return visiteddef bfs_traverse(graph, start):visited, queue = set(), [start]while queue:node = queue.pop(0) # 访问的操作包括将该节点纳入被访问集合，并将其子节点纳入待访问队列if node not in visited:visited.add(node)for nextNode in graph[node]:if nextNode not in visited:queue.append(nextNode)return visited# 想象有个Actor在结构上行走，它必须维护它的状态的变更，这是搜索的本质def BFS(graph, s): visited = set()queue = [] queue.append(s) # 维护已经被访问的节点，并以此来访问其子节点while queue: s = queue.pop(0) print(s, end=" ") for i in graph[s]: if i not in visited: visited.add(i)queue.append(i) return visiteddef BFS2(graph, s): visited = set()queue = [] while True:print(s, end=" ") for i in graph[s]: if i not in visited: visited.add(i)queue.append(i)if queue:s = queue.pop(0) else:breakprint(queue)return visited