图的深度遍历（BFS）：
思路：
创建一个队列，用于存储点，创建一个HashSet来存储已经加入队列中的点，防止遍历的过程中重复遍历。遍历开始，选出当前队列的任意一个点，进入队列和set，然后弹出这个点并打印，然后把所有和这个点连通的点如果这些点在set里没有，就入队列，同一级别的连通点的入队列先后顺序不限定，不影响，比如点1连通了2，3，4；这三个点的入队列顺序无所谓
代码：
public static void bfs(Node node) {
if (node == null) {
return;
}
Queue<Node> queue = new LinkedList<>();
HashSet<Node> map = new HashSet<>();
queue.add(node);
map.add(node);
while (!queue.isEmpty()) {
Node cur = queue.poll();
System.out.println(cur.value);
for (Node next : cur.nexts) {
if (!map.contains(next)) {
map.add(next);
queue.add(next);
}
}
}
}
图的广度优先遍历（DFS）：
思路：
一条路打印到底，然后看父节点有没有其它的分叉，有就继续打印到底。一个栈用来存节点，另一个set存该节点是否已经存在，首先头节点入栈，打印，然后当栈不为空的时候，栈顶出栈，然后找出栈顶的nexts们，即后继节点，看看set里是否存在，不存在说明还没遍历，就把当前结点和它的一个next入栈，并打印next，然后结束本次while，然后依次执行，因为，在打印next后直接break了就能实现一条路打印到底
代码：
public static void dfs(Node node) {
if (node == null) {
return;
}
Stack<Node> stack = new Stack<>();
HashSet<Node> set = new HashSet<>();
stack.add(node);
set.add(node);
System.out.println(node.value);
while (!stack.isEmpty()) {
Node cur = stack.pop();
for (Node next : cur.nexts) {
if (!set.contains(next)) {
stack.push(cur);
stack.push(next);
set.add(next);
System.out.println(next.value);
break;
}
}
}
}
