1.dfs
dfs，即深度优先搜索，是一种用于遍历或搜索树或图的算法，深度优先是指每次都向更深的节点走，直到走不了，就回溯。
dfs最显著的特征在于其递归调用自身，展示一下dfs的代码基本实现：
void dfs(int x){
vis[x] = true;
for(int i = 0; i < a[x].size(); i++){
int v = a[x][i];
if(!vis[v]){
dfs(v);
}
}
}
在实际的dfs中会加入更多多的代码，以利用它的性质来进行各种操作。
2.bfs
bfs，即广度优先搜索，也是图上最基础、最重要的搜索算法之一，广度优先是指每次都尝试访问同一层的节点，如果同一层都访问完了，再访问下一层。
bfs会从起点s开始，一层一层扩散出去，处理完离s进的第i层后，再处理第i + 1层。这一操作用队列（先进先出）最合适，处理完第i层的节点a时，把a的第i + 1层的邻居放到队列尾部即可。
展示一下bfs的基本实现：
void bfs(int s){
queue<int>q;
vis[s] = true;
d[s] = 0; //用d[i]表示点i离起点s的距离
while(!q.empty()){
int x = q.front();
q.pop();
for(int i = 0; i < a[x].size(); i++){
int v = a[x][i];
if(!vis[v]){
vis[v] = true;
d[v] = d[x] + 1;
q.push(v);
}
}
}
}
3.双向bfs
双向bfs是指双向广搜，他的基本思路就是从图上的起点和终点同时进行bfs，如果发现搜索的两端相遇了，就可以认为是获得了可行解。
4.剪枝
剪枝是搜索必用的优化手段，它可以大大降低普通搜索的复杂度。
dfs的常用剪枝技术，有：
1）可行性剪枝
对当前状态进行检查，如果当前条件不合法就不再继续。
2）最优性剪枝
在最优化问题的搜索过程中，如果当前花费的代价已经超过以前搜索的最优解，就直接退出（因为
已经没有意义）。
3）记忆化搜索
在递归的过程中，可以将计算出来的结果保存起来，以后要用到时就可以直接取出结果，避免了重复运算。
bfs的剪枝技术通常是判重，如果搜索到某一层时，出现了重复的状态，就“剪掉”。
5.A*
是一种在图形平面上，对于有多个节点的路径求出最低通过成本的算法。它属于图遍历和贪心最优算法，亦是bfs的改进。
在进行此算法的过程中，会定义从起点开始的距离函数g(x)，到终点的距离函数h(x)、h*(x)，以及每个点的估价函数f(x) = g(x) + h(x)。
A*算法每次从优先队列中取出一个f最小的元素，然后更新相邻的状态。如果h \(\leq\) h*，则A*算法能找到最优解。当h = 0时，A*算法变为dijkstra，而当h = 0并且边权为1时变为bfs。
6.IDDFS
IDDFS，即迭代加深搜索，它的本质还是dfs，只不过在搜索的同时带上了一个深度d，当d达到设定的深度时就返回，一般用于找最优解。如果一次搜索没有找到合法的解，就让设定的深度加一，重新从根开始。
7.IDA*
IDA*，即采用了迭代加深算法的A*算法。
由于IDA*改成了深度优先的方式，相对于A*算法，它的优点如下：
1）不需要判重，不需要排序，利于深度剪枝。
2）空间需求减少：每个深度下实际上是一个深度优先搜索，不过深度有限制，使用 DFS 可以减小空间消耗。
有优有缺，缺点：
1）重复搜索：即使前后两次搜索相差微小，回溯过程中每次深度变大都要再次从头搜索。