过往年少|初学者友好！最全算法学习资源汇总（附链接）( 三 ) 在计算机发展飞速的今天

上述描述可能比较抽象，举个实例：
DFS在访问图中某一起始顶点v后，由v出发，访问它的任一邻接顶点w1；再从w1出发，访问与w1邻接但还没有访问过的顶点w2；然后再从w2出发，进行类似的访问， …如此进行下去，直至到达所有的邻接顶点都被访问过的顶点u为止。
接着，退回一步，退到前一次刚访问过的顶点，看是否还有其它没有被访问的邻接顶点。如果有，则访问此顶点，之后再从此顶点出发，进行与前述类似的访问；如果没有，就再退回一步进行搜索。重复上述过程，直到连通图中所有顶点都被访问过为止。
BFS(广度优先搜索)
【过往年少|初学者友好！最全算法学习资源汇总（附链接）】 广度优先搜索算法（Breadth-First-Search），是一种图形搜索算法。简单的说， BFS是从根节点开始，沿着树(图)的宽度遍历树(图)的节点。
如果所有节点均被访问，则算法中止。 BFS同样属于盲目搜索。一般用队列数据结构来辅助实现BFS算法。
算法步骤：
1.首先将根节点放入队列中。
2.从队列中取出第一个节点，并检验它是否为目标。如果找到目标，则结束搜寻并回传结果。否则将它所有尚未检验过的直接子节点加入队列中。
3.若队列为空，表示整张图都检查过了——亦即图中没有欲搜寻的目标。结束搜寻并回传“找不到目标” 。
4.重复步骤2 。
Dijkstra算法
戴克斯特拉算法（Dijkstra’salgorithm）是由荷兰计算机科学家艾兹赫尔·戴克斯特拉提出。算法使用了广度优先搜索解决非负权有向图的单源最短路径问题，算法最终得到一个最短路径树。该算法常用于路由算法或者作为其他图算法的一个子模块。
该算法的输入包含了一个有权重的有向图G ，以及G中的一个来源顶点S 。我们以V表示G中所有顶点的集合。每一个图中的边，都是两个顶点所形成的有序元素对。 (u,v)表示从顶点u到v有路径相连。我们以E表示G中所有边的集合，而边的权重则由权重函数w:E→[0,∞]定义。因此， w(u,v)就是从顶点u到顶点v的非负权重（weight）。
边的权重可以想像成两个顶点之间的距离。任两点间路径的权重，就是该路径上所有边的权重总和。已知有V中有顶点s及t ， Dijkstra算法可以找到s到t的最低权重路径(例如，最短路径) 。
这个算法也可以在一个图中，找到从一个顶点s到任何其他顶点的最短路径。对于不含负权的有向图， Dijkstra算法是目前已知的最快的单源最短路径算法。
算法步骤：
1.初始时令S={V0},T={其余顶点} ， T中顶点对应的距离值，若存在， d(V0,Vi)为弧上的权值；若不存在， d(V0,Vi)为∞ 。
2.从T中选取一个其距离值为最小的顶点W且不在S中，加入S 。
3.对其余T中顶点的距离值进行修改：若加进W作中间顶点，从V0到Vi的距离值缩短，则修改此距离值。
重复上述步骤2、3 ，直到S中包含所有顶点，即W=Vi为止。
动态规划算法
动态规划（Dynamicprogramming）是一种在数学、计算机科学和经济学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题，动态规划方法所耗时间往往远少于朴素解法。动态规划背后的基本思想非常简单。大致上，若要解一个给定问题，我们需要解其不同部分（即子问题），再合并子问题的解以得出原问题的解。
通常许多子问题非常相似，为此动态规划法试图仅仅解决每个子问题一次，从而减少计算量：一旦某个给定子问题的解已经算出，则将其记忆化存储，以便下次需要同一个子问题解之时直接查表。这种做法在重复子问题的数目关于输入的规模呈指数增长时特别有用。关于动态规划最经典的问题当属背包问题。