dijkstra堆优化代码详解

阅读堆优化代码之前，首先要弄懂dijkstra的基础思路，建议b站找个视频看下图解过程，二十分钟足矣。其中算法核心有以下几点：

1. 将所有点分为已确定最短路径的点集$N_{vis}$和未确定的点集$N_{unvis}$，以及一个$N_{vis}$到$N_{unvis}$的边集（每一条边至少保存目标id以及到源点$S$的距离）。
2. 初始化：将源点S初始化到$N_{vis}$中，并将

以上虽然是求概率最大路径，和通常求最短路径相反，但思路相同，重载比较运算符即可。
堆优化的最关键一点，是要明白堆顶（也就是代码中的优先队列top元素）如果没有被vis标记过，则一定是下一个到源点确定为最大概率的点。

struct Node {
    double p; // 该结点到源点的当前最大概率
    int node_id; 
    bool operator < (const Node &b) const {
        return p < b.p;
    } //使用重载小于运算，从而利用优先队列模板
};

class Solution {
public:
    double maxProbability(int n, vector<vector<int>>& edges, vector<double>& succProb, int start, int end) {
        vector<vector<Node>> g(n, vector<Node>{});  //邻接表存储
        for(int i = 0; i < edges.size(); ++i) {
            g[edges[i][0]].push_back(Node{succProb[i], edges[i][1]});
            g[edges[i][1]].push_back(Node{succProb[i], edges[i][0]});
        }
		
        vector<bool> vis(n, false);  //这个数组记录已经确定最大概率的node
        priority_queue<Node> q;
        q.push(Node{1., start});  //初始化源点
        
        while (!q.empty()) {
            Node t = q.top();
            if (vis[t.node_id]) {q.pop(); continue;}  //之前已经找到最大概率的node， 跳过这个点
            if (t.node_id == end) break; //确定目标点最大概率，终止循环
            vis[t.node_id] = true; //堆顶一定为下一个确定最大概率的点
            q.pop();
            for (Node &n: g[t.node_id]) {
                if (vis[n.node_id]) continue;
                double new_p = t.p * n.p;
                if (new_p > 0) {
                    q.push(Node{new_p, n.node_id}); //优先队列中可能有多个node_id相同的Node，但这并不影响大局
                }
            }
        }
        if (q.empty())  //目标和原点不连通
            return 0.;
        else 
            return q.top().p;
        
    }
};