图的存储和遍历：利用邻接矩阵或邻接表来完成Dijkstra（迪杰斯特拉）算法（内含代码）+DFS思想在搜索和遍历中的差异分析

本文链接：https://blog.csdn.net/NEOpalace/article/details/132224979

图的存储

邻接矩阵

G[a][b] = 1表示从a到b有一条边，其中值也可以定义为边的权值

使用场景：当点的数量级比较小：为n，而边的数量级达到了n^2时，该图被称为稠密图，这时的存储形式应当使用邻接矩阵。

Dijkstra算法普通版：用于稠密图表示的邻接矩阵，来求单源最短路（从一个点到其他任意点的最短距离）。

算法思想：基于贪心，每次寻找当前能够到达的最短路径的点，再用该点去更新到达其他未找到最短路径的点。接下来再次循环，寻找当前能够到达的最短路径的点……由于每次都找到的是当前所到达的最短路径，因此到达每个点的距离均是最短的。

算法步骤：

初始化距离，1号点距离为0，其他点的距离为 +∞。
遍历所有点，寻找能够到达最近距离的点，加入已找到路径的集合。
用找到的点去更新剩余点的距离，2-3循环n次，即找到n个点的路径

算法代码：

int dijkstra()
{
    memset(dist, 0x3f, sizeof dist);
    dist[1] = 0;
    
    for(int i=0;i<n;i++)
    {
        int t = -1;
        for(int j=1; j<=n; j++)
        {
            if(!st[j] && (t==-1 || dist[t]>dist[j]))
            {
                t = j;
            }
        }
        
        st[t] = true;
        for(int j=1; j<=n; j++)
        {
            dist[j] = min(dist[j],dist[t] + g[t][j]);
        }
    }
    
    if(dist[n] == 0x3f3f3f3f) return -1;
    else return dist[n];
}

邻接表

定义：为每一个点开一个单链表，存储的是这个点可以到达的点有哪些。

注意：在定义数据结构的时候，对于无向图，使用数组模拟邻接表。如果N：点的个数，则M：边的个数最大要为2N，因此开的数组长度，边要为点的二倍。

使用场景：用来存放稀疏图，即点数和边数的数量级基本一致。

邻接表在BFS和DFS中的应用：

在宽度遍历和深度遍历方法遍历图时，通常情况下是每个点只需要遍历一次，因此需要使用状态数组st[N]来存储是否该点已经遍历过了。

图的遍历和搜索的对比：图的遍历和之前讲过的搜索中，使用的算法思想是一致的，区别在于图的遍历是一次性的，不需要进行现场的恢复，而搜索中，由于需要记录下每次达到条件的状态，从而判断是否该状态需要进行输出或返回，因此需要进行现场的恢复，来保证每次的状态不受之前搜索到的状态的影响。

Dijkstra算法堆优化版：

优化原理：由于在简单版中是用于稠密图的邻接矩阵，在寻找当前最短距离的点时，是遍历所有点的dist来寻找的。但该步骤求的是最短边，因此可以使用一个heap来维护当前未加入集合的点，与已在集合中点，所共同参与边的最小值。Heap.top即最小值。由于我们获取最短边时，还需要获取该点是什么，因此用pair<int, int>作为堆元素的数据结构。第一个int为distance，用于排序，第二个Int作为点的序号。

算法步骤：

初始化距离，1号点距离为0，其他点的距离为 +∞。构建堆，将1号点加入堆中。
当heap不空时，取堆顶元素，即距离最小值。
判断是否已经在集合中，若在continue，若不在，加入集合
用该点来更新该点链条所到达点的距离。从2继续循环，直到heap空。

算法代码：

int dijkstra()
{
    memset(dist, 0x3f, sizeof dist);
    dist[1] = 0;
    
    priority_queue<PII, vector<PII>, greater<PII>> heap;
    heap.push({0,1});
    
    while(heap.size())
    {
        auto t = heap.top();
        heap.pop();
        
        int ver = t.second, distance = t.first;
        
        if(st[ver]) continue;
        st[ver] = true;
        
        for(int i = h[ver]; i != -1; i = ne[i])
        {
            int j = e[i];
            if(dist[j] > distance + w[i])
            {
                dist[j] = distance + w[i];
                heap.push({dist[j], j});
            }
        }
    }
    
    if(dist[n] == 0x3f3f3f3f) return -1;
    return dist[n];
}