深入了解图搜索算法：原理、应用与实现

1. 图搜索算法简介

图搜索算法是一种用于在图（Graph）结构中寻找特定目标的算法。图由节点（Node）和边（Edge）组成，节点表示数据或实体，边表示节点之间的关系或连接。图搜索算法的目标通常是从给定的起始节点出发，找到到达目标节点的一条或多条路径。

2. 常见的图搜索算法

2.1 深度优先搜索（Depth-First Search，DFS）

深度优先搜索是一种递归或栈的搜索方法，从起始节点开始，沿着一条路径尽可能深地搜索，直到到达目标节点或无法继续前进为止。如果到达死路，则回溯到上一个分叉点，选择另一条路径继续搜索。

def dfs(graph, start, target, visited=None, path=None):
    if visited is None:
        visited = set()
    if path is None:
        path = []
    visited.add(start)
    path.append(start)
    if start == target:
        return path
    for neighbor in graph[start]:
        if neighbor not in visited:
            new_path = dfs(graph, neighbor, target, visited, path)
            if new_path:
                return new_path
    path.pop()
    return None

2.2 广度优先搜索（Breadth-First Search，BFS）

广度优先搜索是一种队列的搜索方法，从起始节点开始，先搜索所有与起始节点直接相连的节点，然后依次搜索它们的相邻节点，直到找到目标节点为止。

from collections import deque

def bfs(graph, start, target):
    queue = deque([(start, [start])])
    while queue:
        node, path = queue.popleft()
        if node == target:
            return path
        for neighbor in graph[node]:
            if neighbor not in path:
                queue.append((neighbor, path + [neighbor]))
    return None

2.3 Dijkstra算法

Dijkstra算法是一种用于在加权图中寻找从起始节点到目标