图的最短路径

图的最短路径

最短路径的常用解法有迪杰斯特拉算法（Dijkstra Algorithm）、弗洛伊德算法（Floyd-Warshall Algorithm）和贝尔曼福特算法（Bellman-Ford Algorithm）。

其中，Floyd算法是多源最短路径算法，即求任意点到任意点的最短路径，而Dijkstra算法和Bellman-Ford算法是单源最短路径算法，即单个点到单个点的最短路径。这三种算法还有一点不同，就是Dijkstra算法处理有向权重图时，权重必须为正值，而另外两种可以处理负权重有向图，但是不能出现负环。所谓负环，就是权重均为负的环。为啥呢，这里要先引入松弛操作 Relaxtion，这是这三个算法的核心思想，当有对边 (u, v) 是结点u到结点v，如果 dist(v) > dist(u) + w(u, v)，那么 dist(v) 就可以被更新，这是所有这些的算法的核心操作。

解决单源最短路径问题

Dijkstra算法（单源最短路径）

一句话形容这个算法：如果P(i,j)={Vi…Vk…Vs…Vj}是从从顶点i到j的最短路径，k和s是这条路径上的中间顶点，那么P(k,s)必定是从k到s的最短路径。

Dijkstra算法思路

• 策略： Dijkstra算法采用的是一种贪心的策略。
• 需要的数据结构：声明一个数组disance来保存源点到各个顶点的最短距离和一个保存已经找到了最短路径的顶点的集合T（由boolean[] visited实现），若要还原出最终路径还需要一个记录上一个结点的数组prenode。
• 思路：
  -> 1. 初始时，原点s的路径权重被赋为0（distance[s]=0）,若对于顶点s能达到的边**（s,m）,则把distance[m]设为w**，同时把所有其他s不能直接到达的顶点路径权重设置为无穷大。初始时，集合T中只有顶点s。
  ->2. 然后，从distance数组中选择最小值，则该值就是源点s到该顶点的最短路径，并且把该顶点加入到集合T中，便完成了一个顶点。
  ->3. 然后，需要看看新加入的顶点是否可以到达其他顶点并且看看通过该顶点到达其他顶点的路径长度是否比源点直接到达短，如果是，则更新distance数组从源点s到该顶点的距离。
  ->4. 然后，又从distance数组中找出最小值，获取对应的顶点，重复上述动作，直到集合T中包含了图的所有顶点。

Dijkstra常规实现与优先队列优化实现

常规实现

public static int Dijkstra(int[][] graph,int src,int des) {
   
		int n=graph.length;//n个结点
		int[] distance=new int[n];
		boolean[] visited=new boolean[n];//相当于集合T
		for(int i=1;i<distance.length;i++) {
   //初始化为不可达
			distance[i]=maxValue;
		}
		distance[src]=0;
		visited[src]=true;//将源点加入集合T
		for(int i=1;i<n;i++) {
   
			if(graph[src][i]!=maxValue) distance[i]=graph[src][i