1.Depth-First Search（DFS）深度优先
比较经典的算法，下面简单介绍：
（1）把根节点入栈
（2）Pop栈顶并访问该节点，然后把它的子节点依次Push进入栈
（3）重复（2）过程，直到找到目标节点或栈为空（没有找到）。
visited数组保存已经浏览过的节点。
Time：O（b^m）
DFS算法效率很低。若要找目标，DFS就得把整个图都遍历了一遍。
2.Depth-Limited Search（DLS）
DLS是DFS的一种变种，它在DFS的基础上限制住了访问的深度，在DFS算法的第（2）步中，如果深度超过limit就不在进行入栈操作，即它只能访问到limit层。
DLS不一定可以找到目标节点。
3.Iterative Deepening Search（IDS）
IDS是DFS和DFS的合体，它通过增量方式来进行深度访问，增量以depth表示，最好设置增量的初值和每次增长的步幅。
之后进行limit=depth的DLS迭代。
显然当目标节点很深的情况下，IDS算法的效率肯定不如直接DFS的。但当深度很大，而且标节点处于中间位置或较浅位置时，或者深度未知的情况下，就能体现出IDS算法的价值了。
4.Breadth-First Search（BFS）广度优先
广度有先搜索，内存维护一个队列。
（1）把根节点入队。
（2）poll队头元素，并访问该节点，然后把它的子节点依次offer进队尾
（3）重复（2）过程，直到找到目标节点或栈为空（没有找到）。
visited数组保存已经浏览过的节点。
5.Uniform-Cost Search（UCS）
算是BFS的一种变种，此算法适合于带权图树结构中，可以找出最短路径。
与BFS不同的是内存中维护的不再是队列而是堆（优先队列，不懂得去看数据结构）里面存放根节点和当前到达该节点总共的Cost，按Cost调整堆，让其为最小堆（即按照Cost的值排序的堆）。
（1）根节点入堆
（2）出堆并访问该节点，把它所有的子节点依次入堆，调整为最小堆（按cost排序）
（3）重复（2），直到出堆的节点即为目标节点，或堆为空了（没有找到）。