图遍历演算法是指访问或搜索图(或远程网路)中所有节点或关系的方法。 有几种图遍历演算法，以下是其中几种：
深度优先搜寻演算法 (DFS)
DFS 是一种递回算法，从图的起始节点开始，先访问一条路径上的节点，遇到死路时回溯到前一节点并继续探索。 该算法依赖堆栈数据结构来实现回溯。
范例: 在一个简单的图中的所有节点进行DFS：
A
/
B C
/ /
D E F
深度优先顺序是： A -> B -> D -> C -> E -> F
2.广度优先搜寻演算法 (BFS)
BFS 是一种非递回算法，从起始节点开始，先访问该节点，然后访问与其邻接的所有节点，再从其邻接节点开始继续遍历，直到所有节点都被访问为止。 该演算法依赖伫列数据结构来实现节点的遍历。
范例: 在一个简单的图中进行 BFS：
A
/
B C
/ /
D E F
广度优先顺序是： A -> B -> C -> D -> E -> F
迪克斯特拉演算法 (Dijkstra’s Algorithm)
Dijkstra 的演算法是一种用于计算带权图的最短路径的演算法。从起始节点开始，先设定所有节点的初始距离为无限大，然后选择距离起点最近的节点，计算该节点与其邻接节点的权重和，如果加总权重和小于目前已经储存的距离，则更新该节点的距离。 继续重复该过程，直到目标节点抵达。
范例: 在一个带权图中使用 Dijkstra 演算法
A
/|
5/ | \15
/ |
B 10 C D
\ | /
3\ | /2
\ | /
|/
E
从节点A开始，最短路径如下： A -> B -> E -> D
以上是一些Graph Traversal算法的例子，不同的演算法可能适合不同的图形和运算需求。
深度优先搜索 (DFS)：深度优先搜索是一种递归的搜索算法，从根节点或开始搜索，然后一直往下搜索直到遇到叶子节点或无法继续搜索为止。
广度优先搜索 (BFS)：广度优先搜索是一种迭代的搜索算法，它从根节点开始搜索，并尽可能广泛地搜索节点，直到找到目标节点或没有更多节点可以搜索为止。
迭代加深搜索 (IDS)：迭代加深搜索是一种深度优先搜索的变体，它通过限制搜索的深度来减少空间需求，并且通常比广度优先搜索更快。
A星算法 (A*)：A星算法是一种启发式搜索算法，可以用于在结构化图或网格中找到最短路径。它使用启发函数来估计每个节点到目标的距离，以决定哪个节点应该先被扩展。
图的生成树：图的生成树是一种搜索算法，它可用于在无向图中找到连通子图的最小生成树。常见的生成树算法包括Kruskal和Prim算法。
双向BFS：双向广度优先搜索是一种搜索算法，它从初始状态和目标状态开始，分别向两个方向进行广度优先搜索，直到两个搜索到达相同的节点为止。
带权广度优先搜索：带权广度优先搜索是一种修改版的广度优先搜索，它将搜索换成了按权重排序，从权重最小的节点开始搜索的算法，常被用于寻找最短路径。
拓扑排序: 拓扑排序是一种将有向无环图(DAG)中所有节点排序的算法。常用于图论、资料库管理等场景。拓扑排序与最短路径求解等算法有着紧密的联系，被广泛应用于 artificial intelligence (AI) / robotics 等领域。
解答：使用DFS遍历整个图，将已访问过的节点标记后返回上一个节点继续搜寻其他节点，直到所有可到达节点都被标记。
解答：以所有未标记节点为起点，使用BFS遍历图中的所有节点，当碰到已访问过的节点时就代表发现了一个连通块，进行标记后继续往下搜寻，直到所有连通块都被标记。
解答：以任意一个节点作为起点，将与该节点相邻的所有节点和权重加入一个优先队列中，每次从队列中取出权重最小的边，并将与之相邻的节点和权重加入优先队列，重复此步骤直到所有节点都被覆盖。
解答：使用拓扑排序遍历图中的所有节点，每次选择一个入度为0的节点进行访问，并将其相邻节点的入度减1，重复此动作直到所有节点都被访问过，如果在遍历过程中没有任何一个节点的入度为0，则代表图中存在环。
解答：将图中的所有边按权值从小到大排序，然后从小的边开始进行遍历，如果两个节点还未连通，则连接它们，重复此步骤直到所有节点都连通。