【动态规划（二）】迪杰斯特拉算法与普里姆算法

1.1介绍

按理说迪杰斯特拉算法与普里姆算法不是一类东西，前者是最短路径算法，后者是最小生成树算法，为什么会放在一块呢？因为二者实在是太相似了。不管是从代码结构上以及分析方法上来说。对于我这种小白而言，看一百遍，合上书还是会忘了从哪开始编写代码。好在学了一些动态规划的东西，现在这两个算法从头写到尾是没有问题了。

下面使用的例子（图），出自程杰的《大话数据结构》，之前我也是在用这本书学习数据结构，也是朋友推荐我的，此书比较基础，没有讲到动态规划的东西。

写这两个算法还是比较简单的，这里记录的东西是我个人的推导思路以及想到的比较重要的点。有疑义的地方，可以去看看《大话数据结构》和《算法导论》的相关章节，一起学习进步。

1.2迪杰斯特拉算法

1.2.1分析

问题：如上图，以V0为起点求V0到各点的最短路径。

（1）动态规划的求解思路是，每次求得的最短路径的点是基于上次求得的最短路径的点，如V0到V2是在V0到V1的基础上得到的，所以每次都要选取V0所到路径最短的点来求解V0到下一个点的最短路径。当然，感觉这就跟没说一样。

（2）思路是这样，代码如何构建呢？首先需要一个邻接矩阵MGraph来存储这张图。

（3）此处是起点V0点，无论起点是哪个都是一样的道理。那么就用起点V0来初始化。创建一个数组ShortPathTable来存储V0到各点的最短路径值，也就是循环ShortPathTable[i]=MGraph[0][i]。一开始，V0只能到V1，V2所以该数组的值就是{0，1,3，INFINITY，INFINITY，INFINITY，INFINITY，INFINITY，INFINITY}，INFINITY为无限大。

（4）基于思路（1），利用循环，从ShortPathTable（因为它存储V0到各点的最短路径值）中找一个路径值最短的点，此处也就是V1。

（5）此时V0通过V1就可到达V