Single Source Shortest Paths

Dijkstra

note:该算法只能处理有向图中边权值非负的情况

算法特征如下

1. 算法维护着一个点集S（初始为空），其中点集中的点均已确定了最短路径
2. 算法维护着一个优先队列Q（priority queue V-S，初始为V），每次从Q中取出一点v加入S中，直到Q为空结束。这里的优先队列的比较参数是某一点v到源点s的预测距离，初始化后，源点为0，其他为正无穷（因此第一次会先从优先队列里取出源点）
3. （relax）每一次从Q中取出点v后还要跟新优先队列，具体算法是遍历所有与v相邻的边e(v，u)，对于每一个点u，若当前的预测距离大于v的预测距离（此时v的预测距离为准确的最小距离）加上权值（v，u）则更新u的预测距离。

算法的理论依据

对于优先队列Q中取出的点v的最短路径必然不经过队列Q中的其他点，因此可直接加入已确定路径的点集S中。因为S中不仅是已计算完成的最短路径，还是所有最终完成计算的最短路径中路径数值最小的顶点。

Bellman-Ford

该算法则直接遍历所有的边|V|-1次。对于每遍历一条边e(v，u)，若u的预测距离大于v的预测距离加权值(v，u)，则更新u的预测距离（和Dijkstra的relax操作类似）。该算法相比于Dijkstra算法来说优势在于允许负权边的存在，并且可以检测负权环的存在。即在最后遍历所有的边e(v，u)，若v预测距离加上权值(v，u)小于u的权值则表明有负权环的存在。而对于遍历|V|-1次的解释：
可以想象Bwllman-Ford算法第i次遍历所有边就会的出所有最短路径中边数为i的定点，当然我们并不不能再过程中知道那些点只需要i条边组成最短路径，但是上帝知道（这里的体现是在之后的遍历中这些点的预测距离都不会被改变）。而所有最短路径中边的长度不会超过|V|-1，所以只需遍历|V|-1次即可。

DAGs

准确的说是在有向无环图中计算单源最短路径，该算法的思想和Bwllman-Ford异曲同工。不在于该算法首先进行的是拓扑排序，然后根据排序的结果遍历每一个顶点v，对于每一个顶点v，遍历它的所有向边(v，u)，并对它进行relax操作。该算法优于Bwllman-Ford的原因是可以避免一些不必要的操作。仔细想想是不是Bwllman-Ford中每一次遍历所有的边都会有很多无用操作（上帝视角）。