在搜索过程中，为了避免重复遍历同一个节点，通常需要使用visited列表记录节点是否已被访问过。BFS和DFS都需要使用visited列表，但它们的实现方式略有不同。

BFS的visited列表一般使用一个集合（set）或哈希表（hash table）实现，每次访问节点时将其加入集合或哈希表中。此后再遇到该节点，就能快速地从集合或哈希表中查找，以判断该节点是否已被访问过。以下是一个使用哈希表记录visited的示例：

from collections import deque

def bfs(start, end, graph):
    queue = deque([start])
    visited = {start}  # 使用哈希表记录visited

    while queue:
        node = queue.popleft()
        if node == end:
            return True  # 找到目标节点
        for neighbor in graph[node]:
            if neighbor not in visited:
                visited.add(neighbor)
                queue.append(neighbor)

    return False  # 未找到目标节点

DFS的visited列表一般使用一个列表（list）或数组（array）实现，每次访问节点时将其在visited中对应的位置标记为已访问。列表或数组的下标通常对应节点的编号或哈希值，从而能够在O(1)时间内访问和修改visited。以下是一个使用列表记录visited的示例：

def dfs(node, end, graph, visited):
    if node == end:
        return True  # 找到目标节点
    visited[node] = True  # 标记节点已访问
    for neighbor in graph[node]:
        if not visited[neighbor]:
            if dfs(neighbor, end, graph, visited):
                return True
    return False  # 未找到目标节点

# 在主函数中使用visited列表
visited = [False] * n
dfs(start, end, graph, visited)

需要注意的是，如果节点编号或哈希值非常大，使用列表可能会导致内存不足或访问速度过慢。此时可以使用Python的内置哈希表dict或第三方库的hashtable来实现visited。