（边自学边写，还真有点累啊，）
注：以下代码均为部分，关于图的表示方法参看我的博客：
http://www.cnblogs.com/dzkang2011/p/graph_1.html
一、广度优先搜索
广度优先搜索（BFS）是最简单的图搜索算法之一，也是很多重要的图算法的原型。在Prim最小生成树算法和Dijkstra单源最短路径算法中，都采用了与广度优先搜索类似的思想。
在给定图G=(V,E)和一个特定的源顶点s的情况下，广度优先搜索系统地探索G中的边，以期发现可以从s到达的所有顶点，并计算s到所有这些可达顶点之间的距离（即最少的边数）。该搜索算法同时还能生成一棵根为s、且包括所有s的可达顶点的广度优先树。对从s可达的任意顶点v，广度优先树中从s到v的路径对应于图G中从s到v的一条最短路径，即包含最少边数的路径。该算法对有向图和无向图同样适用。之所以称为广度优先搜索，是因为它始终是将已发现和未发现顶点之间的边界，沿其广度方向向外扩展。亦即，算法首先发现和s距离为k的所有顶点，然后才会发现和s距离为k+1的其他顶点。
在广度优先搜索中，我们首先要注意一个顶点的3种状态：
已到达（已访问）但还未考察：表示当前搜索到的这个顶点，接下来要对这个顶点进行分析。
正在考察：已经到达了这个顶点，但是它的相邻顶点还没有完全被访问到，称为未考察完成。采用队列存储未被考察的顶点。
已考察：已经到达了这个顶点，且它的所有相邻顶点都已经被访问完成，则称该顶点已考察。
具体步骤如下:
（1）从顶点s开始，标记它为已访问，将其压入队列中；
（2）这时，顶点s的的相邻顶点还未被访问，所以s暂时还为未考察状态；
（3）访问它的所有相邻顶点，并将它们压入队列，之后s的状态变为已考察，将其从队列中删除；这些入队的顶点的父亲顶点即为s
（4）取队头顶点，以其为起点重复进行以上操作。当所有的顶点都被考察完毕，即队列为空时，考察停止。
由分析可知，广度优先搜索的总运行时间为O(V+E)，为一个线性时间。
最短路径：源顶点为s，d[v]中保存从s到v的最短路径长度
广度优先树：过程BFS在搜索图的同时，也建立了一棵广度优先树，这棵树是用parent[]表示的，parent[v]表示的是顶点v的父亲结点。
广度优先搜索C++（邻接表）实现：
1 #define INF 9999 2 bool visited[maxn]; //标记顶点是否被考察，初始置为false 3 int d[maxn], parent[maxn]; //d[]记录最短路径长度，parent[]记录某结点的父亲结点，生成树 4 void bfs(int s) //广度优先搜索，邻接表输入（详见“一、图的表示”） 5 { 6 for(int i = 1; i <= n; i++) //初始化 7 { 8 d[i] = INF; 9 parent[i] = -1; 10 visited[i] = false; 11 } 12 visited[s] = true; 13 d[s] = 0; 14 queue<int> q; //用STL队列实现 ，#include <queue> 15 q.push(s); //压入队列 16 while(!q.empty()) 17 { 18 int u = q.front(); //取队头元素 19 arcnode * p = Ver[u].firarc; 20 while(p != NULL) //遍历相邻顶点 21 { 22 if(!visited[p->vertex]) 23 { 24 q.push(p->vertex); //压入队列 25 parent[p->vertex] = u; //指向父亲 26 d[p->vertex] = d[u]+1; //路径长+1 27 visited[p->vertex] = true; //置为已被考察 28 } 29 p = p->next; 30 } 31 q.pop(); //出队列 32 } 33 } 34 void PrintPath(int s, int v) //打印从s到v的最短路径，需先调用bfs(s) 35 { 36 if(v == s) 37 cout << s << endl; 38 else if(parent[v] == -1) 39 return; 40 else 41 { 42 PrintPath(s,parent[v]); 43 cout << v << endl; 44 } 45 }