在y总的算法进阶课里，主要讲了BFS和DFS
虽然y总将二者又细分成了很多类别（bfs下面有flood fill、最短路模型、最小步数模型……）但个人感觉bfs没有必要分这么多种
以下是一些总结：
1、bfs vs dfs：前者可以用来求最短（保证第一次搜到的是最短的）但是需要用很多的空间，而且代码相对复杂一些；而后者有可能存在“爆栈”的风险（函数递归调用的形式本质上就是栈的操作）
因此 dfs更常用 而一些有最短性质的题目则可以考虑bfs
&个人理解：因为搜索算法必须要存储状态 dfs的话要么放在函数的参数里、要么放在全局变量里 而bfs必须放在queue里面（？）感觉很不灵活 e.g.小猫爬山那道题我是怎么也想不出来怎么用bfs来做（可能我tcl）
反正就是觉得bfs一般用在有明显“图”结构的题目中（或者是数字华容道这种方便表示状态的题目） 而dfs就灵活很多！
2、bfs的st数组用法 vs dijkstra算法中的st数组：
st数组的目的是用来优化的 减少冗余情况 bfs中每个点不会第二次入队 因此入队的时候就可以判断&更新st（用st数组阻止冗余情况入队）
而dijkstra并不能保证 他的st数组表示的是该点是否已确定最小值 因此出队更新&判断
3、dfs之剪枝！
这是一个很神奇的方法……
根据y总的讲法，有4种剪枝：
（一）优化搜索顺序（优先枚举子节点少的情况！）
（二）排除等效冗余
（三）可行性剪枝（如果预知不可行那就return）
（四）最优性剪枝（如果预知非最优那就return && 如果最好的方案已经得到了 那就可以不用继续dfs下去了）
看起来好像很复杂 实际上我感觉就是
1、在设计方案的时候就要尽量少走弯路（搜索顺序烂/搜索方案差会增加很多不必要的时间，等效冗余也是）
2、尽可能快速地知道这条路能不能走下去
3、在失败之后得到尽可能多的信息（比如“木棒”那一题 如果小木棍放在首位的时候不行 那这个分支整个就不行）
4、双向搜索！
如果我们知道初状态和末状态分别是啥 那么就可以双向搜 可以减去很多状态空间！（尤其适用于有步数限制的题目）
5、dfs之迭代加深
和4差不多 都是减少状态空间的方法 这个方法适用于答案比较浅但是有些烂分支比较深的情况（而且这个方法可以搜出最小值hh）