Bellman-Ford算法---求包含负权边单源最短路径（动态规划）

单源最短路径：给定一个图,和一个源顶点src,找到从src到其它所有所有顶点的最短路径，图中可能含有负权值的边。
Dijksra的算法是一个贪婪算法,时间复杂度是O(VLogV)(使用最小堆)。但是迪杰斯特拉算法在有负权值边的图中不适用,
Bellman-Ford适合这样的图。在网络路由中，该算法会被用作距离向量路由算法。
Bellman-Ford也比迪杰斯特拉算法更简单和同时也适用于分布式系统。但Bellman-Ford的时间复杂度是O(VE),E为边的个数，这要比迪杰斯特拉算法慢。

算法描述：
输入:图 和 源顶点src
输出:从src到所有顶点的最短距离。如果有负权回路(不是负权值的边),则不计算该最短距离，没有意义，因为可以穿越负权回路任意次，则最终为负无穷。

算法步骤：

1.初始化：将源节点到其他所有顶点的距离初始化为无穷，到自身距离初始化为0.
存放在构造的大小为|V|的dist[]数组中。 d[v] ← +∞, d[s] ←0;
2.计算最短距离。迭代求解：反复对边集E中的每条边进行松弛操作，使得顶点集V中的每个顶点
v的最短距离估计值逐步逼近其最短距离；（运行|v|-1次）
做法如下：
Do following |V|-1 times where |V| is the number of vertices in
given graph.
…..a) Do following for each edge u-v
………………If dist[v] > dist[u] + weight of edge uv, then update
dist[v]
………………….dist[v] = dist[u] + weight of edge uv
3.检验负权回路：判断边集E中的每一条边的两个端点是否收敛。如果存在未收敛的顶点，则算
法返回false，表明问题无解；否则算法返回true，并且从源点可达的顶点v的最短距离保存在
d[v]中。
做法如下：
 Do following for each edge u-v
……If dist[v] > dist[u] + weight of edge uv, then “Graph contains
negative weight cycle”
The idea of step 3 is, step 2 guarantees shortest distances if graph
doesn’t contain negative weight cycle. If we iterate through all 
edges one more time and