搜索既是一种算法也是一种思想，OI中有许多东西都是建立在搜索的基础之上进行优化的。
简而言之，搜索就是一项项地将所有可能性遍历，寻找正确答案。
最基础的搜索有深度优先搜索（DFS）与广度优先搜索（BFS）。
二者在本质上没有区别，只是搜索顺序不同。
DFS是一个一个答案地搜，与我们小学数学中做最基础的枚举题时惯用的顺序是一致的。
而BFS是像灌水一样一层层地搜，最后一步将所有答案同时求出。
虽然二者在本质上没有区别，但是在应对不同情况中的实际表现是不一样的。
在朴素的搜索之上，可以加上一些优化，通常我们称之为“剪枝”。（从可能答案组成的树中减去确认不能的）
比如下面这一道题剪枝与不剪枝就有着一定的差异。
棋盘问题
Problem
在一个给定形状的棋盘（形状可能是不规则的）上面摆放棋子，棋子没有区别。
要求摆放时任意的两个棋子不能放在棋盘中的同一行或者同一列，请编程求解对于给定形状和大小的棋盘，摆放kk个棋子的所有可行的摆放方案C。
Input Data
输入含有多组测试数据：
每组数据的第一行是两个正整数n,k，用一个空格隔开，表示了将在一个n∗n的矩阵内描述棋盘，以及摆放棋子的数目。 (n≤8),(k≤n)
当为−1 −1时表示输入结束。
随后的n行描述了棋盘的形状:每行有n个字符，其中“#”表示棋盘区域，“.”表示空白区域（数据保证不出现多余的空白行或者空白列）。
Output Data
对于每一组数据，给出一行输出，输出摆放的方案数目C（数据保证C < 2^{31}）。
最基本的想法是一个个棋子地枚举，然后最后判断是否成立。
但是这样要枚举的可能性太多，因此考虑剪枝。
当我们准备放下一枚棋子的时候，可以直接判断是否合法——因为每一行每一列最多能有一枚棋子。实现上维护两个数组表示行列的占用情况即可。
本题还有一个很坑的细节，即“#”是可以放置棋子的区域而“.”是不能放置棋子的区域，这与一般的题目是相反的。
很大一部分搜索题的数据范围都十分明显地暗示着算法，但是也有少量搜索题范围不那么明显，比如下面这道：
Hexadecimal's Numbers
Problem
给定一个整数n(1~1e9)，求在1到n范围内，有多少个整数是由0和1两种数字组成的。
Input Data
一行一个整数n。
Output Data
一行一个整数，表示符合要求的整数的个数。
第一眼看上去数据范围十分不可做，酷似O1题（然而没有结论）。
但是仔细思考，由于符合要求的整数每个数位上不是0就是1，最多也只有512种可能性，所以可以直接枚举。
最后在检验的时候需要注意0001和00000001是一样的，不要重复计算。