首先有一个概念：回溯回溯法(探索与回溯法)是一种选优搜索法，按选优条件向前搜索，以达到目标。但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件的某个状态的点称为“回溯点”。

深度优先算法：
（1）访问初始顶点v并标记顶点v已访问。
（2）查找顶点v的第一个邻接顶点w。
（3）若顶点v的邻接顶点w存在，则继续执行；否则回溯到v，再找v的另外一个未访问过的邻接点。
（4）若顶点w尚未被访问，则访问顶点w并标记顶点w为已访问。
（5）继续查找顶点w的下一个邻接顶点wi，如果v取值wi转到步骤（3）。直到连通图中所有顶点全部访问过为止。

广度优先算法：
（1）顶点v入队列。
（2）当队列非空时则继续执行，否则算法结束。
（3）出队列取得队头顶点v；访问顶点v并标记顶点v已被访问。
（4）查找顶点v的第一个邻接顶点col。
（5）若v的邻接顶点col未被访问过的，则col入队列。
（6）继续查找顶点v的另一个新的邻接顶点col，转到步骤（5）。直到顶点v的所有未被访问过的邻接点处理完。转到步骤（2）。

代码实现

class Graph(object):
    def __init__(self,*args,**kwargs):
        self.node_neighbous = {}
        self.visited = {}

    def add_nodes(self,nodeList):
        '''
        添加数据到图
        :param nodeList:
        :return:
        '''
        for node in nodeList:
            self.add_node(node)

    def add_node(self,node):
        '''
        创建对应的图结构
        :param node:
        :return:
        '''
        if not node in self.nodes():
            self.node_neighbous[node] = []

    def add_edge(self,edge):
        '''
        这个方法只添加key对应数组的值
        :param edge:
        :return:
        '''
        k,v = edge
        if (k not in self.node_neighbous[v]) and (v not in self.node_neighbous[k]):
            self.node_neighbous[k].append(v)
            if k != v:
                self.node_neighbous[v].append(k)

    def nodes(self):
        '''
        返回字典中所有的key
        :return:
        '''
        return self.node_neighbous.keys()

    def depth_first_search(self,root):
        '''
        深度优先
        :return:
        '''
        order = []
        def depath(node):
            self.visited[node] = True
            order.append(node)
            for val in self.node_neighbous[node]:
                if not val in self.visited:
                    depath(val)

        #从当前位置查找
        if root:
            depath(root)

        for node in self.nodes():
            if not node in self.visited:
                depath(node)
        print(order)
        return order

    def breadth_first_search(self,root):
        '''
        广度优先搜索
        :param root:
        :return:
        '''
        queue = []
        order = []
        def breadth():
            while len(queue)>0:
                node = queue.pop(0)
                print('----------node---------',node)
                self.visited[node] = True
                for val in self.node_neighbous[node]:
                    if (val not in self.visited) and (val not in order):
                        print('------------%s',order,val)
                        queue.append(val)
                        order.append(val)

                        # breadth()
        if root:
            queue.append(root)
            order.append(root)
            breadth()
        for node in self.nodes():
            if node not in self.visited:
                queue.append(node)
                order.append(node)
                breadth()
        # print(order)
        return order


g = Graph()
g.add_nodes([i+1 for i in range(8)])
g.add_edge((1, 2))
g.add_edge((1, 3))
g.add_edge((2, 4))
g.add_edge((2, 5))
g.add_edge((4, 8))
g.add_edge((5, 8))
g.add_edge((3, 6))
g.add_edge((3, 7))
g.add_edge((6, 7))
print(g.node_neighbous)

# g.depth_first_search(1)

g.breadth_first_search(1) #[1, 2, 4, 8, 5, 3, 6, 7]