深度优先搜索（DFS）和广度优先搜索（BFS），都是图形搜索算法，相似又却不同，在应用上也被用到不同的地方。
一、深度优先搜索（DFS）
深度优先搜索属于图算法的一种，是一个针对图和树的遍历算法，英文缩写为DFS即Depth First Search。深度优先搜索是图论中的经典算法，利用深度优先搜索算法可以产生目标图的相应拓扑排序表，利用拓扑排序表可以方便的解决很多相关的图论问题，如最大路径问题等等。一般用栈stack数据结构来辅助实现DFS算法。其过程简要来说是对每一个可能的分支路径深入到不能再深入为止，而且每个节点只能访问一次。
若将bfs策略应用于树结构，其效果等同与前中后序遍历。不管是前序遍历，还是中序遍历，亦或是后序遍历，都属于深度优先遍历。
深度优先遍历的思路是从图的一个未访问的顶点V开始，沿着一条路一直走到底，然后从这条路尽头的节点回退到上一个节点，再从另一条路开始走到底，不断递归重复此过程…直到所有的顶点都遍历完成。它的特点说通俗了就是不撞南墙不回头，走完了一条路，再换一条路继续走。
二、广度优先搜索（BFS）
广度优先搜索（也称宽度优先搜索，缩写BFS即即Breadth First Search）是连通图的一种遍历算法。这一算法也是很多重要的图的算法的原型。Dijkstra单源最短路径算法和Prim最小生成树算法都采用了和广度优先搜索类似的思想。其属于一种盲目搜寻法，目的是系统地展开并检查图中的所有节点，以找寻结果。换句话说，它并不考虑结果的可能位置，彻底地搜索整张图，直到找到结果为止。基本过程，BFS是从根节点开始，沿着树(图)的宽度遍历树(图)的节点。
广度优先遍历的思路，是从图的一个未遍历的节点出发，先遍历这个节点的相邻节点，再依次遍历每个相邻节点的相邻节点。
所采用的策略可概况为越早被访问到的顶点，其邻居顶点越早被访问。于是，从根顶点s的BFS搜索，将首先访问顶点s；再依次访问s所有尚未访问到的邻居；再按后者被访问的先后次序，逐个访问它们的邻居。一般用队列queue数据结构来辅助实现BFS算法。
若将bfs策略应用于树结构，其效果等同与层次遍历。
三、区别
1、如果扩展是首先扩展新产生的状态，则叫深度优先搜索。
如果搜索是以接近起始状态的程序依次扩展状态的，则叫广度优先搜索。
深度优先搜索：对每一个可能的分支路径深入到不能再深入为止，而且每个结点只能访问一次；
广度优先搜索：又叫层次遍历，从上往下对每一层依次访问，在每一层中，从左往右（也可以从右往左）访问结点，访问完一层就进入下一层，直到没有结点可以访问为止。
2、二叉树的深度优先遍历的非递归的通用做法是采用栈，广度优先遍历的非递归的通用做法是采用队列。
3、深度优先搜索：通常不全部保留结点，扩展完的结点从数据库中弹出删去，这样，一般在数据库中存储的结点数就是深度值，因此它占用空间较少。所以，当搜索树的结点较多，用其它方法易产生内存溢出时，深度优先搜索不失为一种有效的求解方法；
广度优先搜索：一般需存储产生的所有结点，占用的存储空间要比深度优先搜索大得多，因此，程序设计中，必须考虑溢出和节省内存空间的问题，但广度优先搜索法一般无回溯操作，即入栈和出栈的操作，所以运行速度比深度优先搜索要快些。
四、总结
1）相同点：
深度优先遍历与广度优先遍历算法在时间复杂度上是一样的
2）不同点：
不同之处仅仅在于对顶点访问的顺序不同：
A:深度优先遍历
更适合目标比较明确，以找到目标为主要目的的情况。不全部保留节点，占用空间少，有回溯操作（即有入栈，出栈操作），运行速度慢。
B:广度优先遍历
更适合在不断扩大遍历范围时找到相对最优解的情况。保留全部节点，占用空间大，无回溯操作（即无入栈，出栈操作），运行速度快。