❤️❤️最短路径算法合集❤️❤️

最短路径

经典用途：交通网络的问题——从甲地到乙地之间是否有公路连通？在有多条通路的情况下，哪一条路最短？

• 交通网络用有线网来表示：
  顶点——表示地点，
  弧——表示两个地点有路连通，
  弧上的权值——表示两地点之间的距离、交通费或途中所花费的时间等。

如何能够使一个地点到另一个地点之间的运输时间或运费最省？这就是一个求两个地点间的最短路径问题。

问题抽象：在有线网中A点（起点）到达B点（终点）的多条路径中，寻找一条各边权值之和最小的路径，即最短路径。

注意：最短路径与最小生成树不同，路径上不一定包含$n$个顶点也不一定包含$n-1$条边。

我们可以看出最短路径长度是$v1,v4,v2,v5,v7$这一条。

每种问题都对应的有不同的最优算法：

两种常见的最短路径问题

1. 单源最短路，常见算法有：
   (1) Dijkstra(迪杰斯特拉)算法只有所有边的权值为正时才可以使用。在稠密图上的时间复杂度是$O(n^2)$【朴素dijkstra算法】，在稀疏图上的时间复杂度是$O(mlogn)$【堆优化版的dijkstra算法】。
   (2) Spfa算法，不论边权是正的还是负的，都可以做。算法平均时间复杂度是$O(km)$，k是常数。推荐使用该算法
2. 多源最短路径，一般用Floyd(弗洛伊德)算法。代码很短，三重循环，时间复杂的是$O(n^3)$。

【稠密图、稀疏图】
设一共$n$个节点，给定$m$条边，若$n-m^2$一个级别则为稠密图，若$n-m$的级别则为稀疏图。
n为100，m为10000显然是稠密图，n为10000，m为10000，则为稀疏图。
对于稠密图我们用邻接矩阵存。对于稀疏图我们用邻接表存。

图的存储

图一般有两种存储方式：

1. 邻接矩阵。开个二维数组，g[i][j]表示点$i$和$j$之间的边权。
2. 邻接表。邻接表有两种常用写法，推荐第二种，代码更为简洁，效率也更高：
   (1) 二维vector：vector<vector<int>> edge，edge[i][j]表示第$i$个点的第$j$条邻边。
   (2) 数组模拟邻接表：为每个点开个单链表，分别存储该点的所有邻边。

朴素Dijkstra(迪杰斯特拉)算法$O(n^2)$

n表示点数，m表示边数
针对稠密图
最朴素的dijkstra算法的版本，不用堆优化。每次暴力循环找距离最近的点。
只能处理边权为正数的问题。
图用邻接矩阵存储。

1. 初始化：先找出从源点$v_0$到各终点$v_k$的直达路径$(v_0,v_k)$，即通过一条弧到达的路径。
2. 选择：从这些路径中找出一条长度最短的路径$(v_0,u)$。
3. 更新：然后对其余各条路径进行适当调整：
   若在图中存在弧$(u,v_k)$，且$(v_0,u)+(u,v_l)<(v_{}$