单源到任意点最短路径（Dijkstra算法）举例

以a为源点，求a到其他各点的最短路径、最短路径距离。

基本思想：

1. 源点一开始就被收录到集合S{ }中，其他顶点按照距离的递增原则一一被收录；

2. 每收录一个顶点v就更新一次v所相邻但未被收录的最小距离以及路径；

3. 直到所有点都被收录，算法结束。

初始化：

1. a被收录，a的最短距离为0，与a相邻的各点最短路径设为相连的边长权重，其余各点的距离为正无穷大∞；并且设置各点的最短路径，没有最短路径长度的点可设为-1

• 定义dist[ ], 则dist[a]=0, dist[b]=7, dist[e]=14, dist[f]=9, dist[c]=∞, dist[d]=∞
• 定义path[ ]，则path[a]=-1, path[b]=a, path[f]=a, path[e]=a, path[d]=-1, path[c]=-1
• 注意：a, b, c...是具体的整数，可表示为顶点下标
•  以上设置的dist[ ]和path[ ]都是临时的，在算法中可能会被不断更新，直到最后为最短路径以及长度

2. 从未收录的顶点中找到距离值最小dist的那个V，然后更新该点所相邻但未被收录点的距离以及路径path（如果该收录的点没有使得相邻点距离变得更小，则不更新距离值和路径）

• 找到dist[ ]最小值，收录b；
  
• 其中f值dist[b]+dist<b,f>=7+10>9, 不被更新
• c点 dist[b]+dist<b,c>=7+15<∞，被更新dist[c]=dist[b]+dist<b,c>，path[c]=b

3. 重复步骤二，收录f（因为此时未收录点中dist[f]最小，看圆圈里的数字），更新e和c，此时的e、c最短距离都可以经过f点的路径变得更小。

4. 重复步骤2，收录e，更新d和对应的路径

5.重复步骤2，收录c或d（此时剩余的d和c的dist都一样，选任意一个）

6.最后收录d或c，算法结束，源点a到每个点的最短距离和路径都被计算出来

dist[V]就是源点到任意点V的最短距离

回溯path[V]，path[path[V]]，path[path[path[V]]]......直到path[a]=-1可以用堆栈顺序地将源点到任意点V的路径输出

时间复杂度分析：

方法一：如果每次收录最小dist是遍历所有的未收录V，则共遍历|V|次，|V|个点被遍历|V|遍则O(|V|^2)，而每条边在收录过程中被访问一次O(|E|),加起来就是 O(|V|^2+|E| )。

方法二：如果我们把dist储存到“最小堆”里面（最小堆的建立最小时间复杂度是O(|V|)，即线性时间），每次取出最小值，将最小堆调整一次O(log|V|)，而且每次取出这个最小值之后要更新有相邻边顶点的值，即对最小堆里面个别值进行更新并且调整O(log|V|)，综合起来就是 O(|V|log|V|+|E|log|V|) 。

分析：对于稠密图来说，O(|E|)=O(|V|^2)，则用方法一比较好；对于稀疏图来说，O(|E|)=O(|V|)用方法二比较好。以上这两种方法的区别就在于，第一种方法最大消耗时间在检索最小距离点的时候是遍历过程，而在更新时候只是需要搜索部分边（所以边一般只遍历了线性时间），而第二种方法最大消耗时间在于更新相邻边的顶点值，而且要更新该顶点在最小堆里面的位置，一共是：边数×更新时间=|E|log|V|。

主要参考：MOOC课程-浙江大学陈越-数据结构与算法