数据结构のJavaScript实现之最短路径（Dijkstra算法和Floyd算法）

Dijkstra算法——求某一个点到其他所有点的最短路径

Dijkstra算法和最小生成树的Prim算法又有异曲同工之妙。都是要将顶点分成两坨，一坨未访问的，一坨已访问的，通过循环将未访问的一次次拉下水，变成访问过的，在这个过程中，每次都找权值最小的路径。

以A点为例：

1. 初始化A点到所有其他点的距离dis = [0, ∞, ∞]（依次代表[【AA】【AB】【AC】]）;
2. 设当前点为A，当前路径dis[0] = 0；
3. 已访问点集为{A}，未访问点集为{B,C}；
4. 从未访问点集{B,C}中找到所有由当前点A和一个未访问集中的点组成的边【AC，10】【AB，8】，
5. 遍历所有找到的边，通过（当前路径权重+找到的边的权重）和（找的边在dis中对应的权重）的比较，取更小的权重。这里∞ > 0 + 8, ∞ > 0 + 10,更新dis = [0, 8, 10];
6. 找出dis中的包含未访问点集中某点的最小权边；此时有三条边【AA,0】【AB,8】【AC,10】，最小权是【AA，0】但是不没有包含未访问点集中的点所以不算，这里是【AB，8】；
7. 这时A通过边【AB】拉下水了一个新的顶点B（为什么第6歩要包含未访问点集中的点）；
8. 设当前点为B，当前路径为dis[1] = 8；
9. 更新已访问点集为{A,B}，未访问点集为{C}；
10. 从未访问点集{C}中找到所有由当前点B和一个未访问集中的点组成的边【BC，1】；
11. 遍历所有找到的边，通过（当前路径权重+找到的边的权重）和（找的边在dis中对应的权重）的比较，取更小的权重，这里10 > 8 + 1 更新dis = [0, 8, 9];
12. 找出dis中的包含未访问点集中某点的最小权边；此时有三条边【AA,0】【AB,8】【AC,9】，【AA，0】【AB，8】没有包含未访问点集中的点所以不算，这里是【AC，9】；
13. 这时A通过边【AC】（实际上是【AB】+【BC】）拉下水了一个新的顶点C；
14. 设当前点为C，当前路径为dis[2] = 9；
15. 更新已访问点集为{A,B,C}，未访问点集为{}；
16. 未访问点集为空，结束。

好了，开始程序设计

还是这张图（图片来源链接）