浅析dijskra算法（含dijskra算法队列优化和链式前向星存图）

之前写过最小生成树的相关文章，介绍了两种生成最小生成树的相关算法。单源最短路径一直是信息竞赛中常见的问题，有各种变形和拓展。今天就先介绍一下dijskra算法，同时说一下队列优化和存图方式之链式前向星。

Dijskra算法介绍：
该算法的提出时间啊，相关历史啊，发明者啊啥的我也不一一介绍了，这对于我们理解该算法并没有什么卵用。我直接用最简洁的口语来描述该算法，尽量不用任何学术术语，好让小白也能看懂。
先说一下dijskra算法的适用范围：没有负权的边。
dijskra算法我在刚开始看的时候有点迷，到后来想明白一点之后我就不迷了：A->…->B->…->C是A到C的一条最短路径，那么这条路径中经过B点，在这条路径中A到B的路径也是A到B的最短路径，即：一条最短路径中包含路过的所有节点的最短路径，明白这一点之后，就知道了，dijskra算法的本质其实是贪心算法，毕竟存在最优子结构嘛，而且局部最优解最终可以构成全局最优解。
下面开始介绍算法：
d 代表最短路径的距离。
假设从A点出发，要求计算出A到所有点的最短路径。一定有若干个点可能的最短路径是知道的，这些点就是与A直接相连的点（不直接相连的统一初始化为正无穷），然后把这些点的d都记为与A直接相连边的长度，注意，此时这些d并不一定是最终的结果，但是这些d中最小的一定是该点的最终结果，（这些拥有d且d不为正无穷，也就是已经存在可能的最短路径的点都保存在某种数据结构中，比较常用的是一维数组或者是队列）。取出这中最小的d的点，然后对该点进行处理，计算所有该点能到达的点的可能的最短路径，也就是min(d+w(i,j)，d)（有两种情况，一种是d原为正无穷，一种是d已经计算出来过一个可能的最短路径，这两种情况都是取最小）对该点处理完之后，数据结构中又拥有了新的点，取出这些新的点中d最小的点，重复上述过程，最终就可以算出所有的最短路径了（注意某个点的最短路径计算出来之后一定要标记，免得不断重复计算）。

dijskra算法我就介绍到这里，该算法还有两个相关问题，就是怎么存图以及如何找到d最小的点。在刷题的过程中，如果用邻接矩阵在存放图，显然是不现实的，因为往往体中给的数据都是100000个点，你开一个100000×100000的二维数组显然是不可能的，那就要用到链式前向星了，关于链式前向星，有大佬的文章写的非常详细，在此附上链接：

链式前向星详解

利用链式前向星，我们可以非常节约空间地来保存一个图，这个图可以是无向图，也可以是有向图。

然后就是如何找到已保存地点中哪个点的d最小。要是用一维数组的话可以循环一个个对比，但这显然效率太低，C++为我们提供了一种神奇的队列：priority_queue 由于链式前向星往往把边用结构体保存，因此这里附上相关用法的链接：

priority_queue