最短路问题dijkstra问题Ⅱ

dijkstra解决的是单源最短路问题，即一个点到另外一个点的最短路问题。这种单源最短路问题有很多做法，如dijkstra以及SPFA等等。今天我们主要了解dijkstra算法：

1. 初始化一个节点dist[1]=0，其他都为无穷大
2. 利用初始节点更新邻居节点的距离，找到当前节点的邻居中距离最短的点加入组织
3. 利用加入的点继续更新其他节点；我们一共需要n次循环，n为节点数，因为每次只能加入一个节点进入组织。
   
     我们如上图所示，一开始我们假设到达所有节点的距离都为无穷大即d[1] = INF,d[2] = INF, d[3] = INF
     然后我们选取1号节点作为我们的初始节点，那么d[1] = 0,然后利用1号节点来更新1号点到其他点的距离，那么d[2] = 1, d[3] = 13；
     我们选取距离最近的点加入组织，即2号点加入组织；然后利用2号点继续更新距离，此时到达3号点的距离就可以缩短，即d[3]=10；

同时我们在求解dijkstra时会需要对图进行表示，而图也分为了稠密图和稀疏图，下面我们以稀疏图进行举例：

给定一个 n 个点 m 条边的有向图，图中可能存在重边和自环，所有边权均为非负值。
请你求出 1 号点到 n 号点的最短距离，如果无法从 1 号点走到 n 号点，则输出 −1。

输入格式
第一行包含整数 n 和 m。
接下来 m 行每行包含三个整数 x,y,z，表示存在一条从点 x 到点 y 的有向边，边长为 z。

输出格式
输出一个整数，表示 1 号点到 n 号点的最短距离。
如果路径不存在，则输出 −1。

数据范围
1≤n,m≤1.5×10^5 ,
图中涉及边长均不小于 0，且不超过 10000。

输入样例：

3 3
1 2 2
2 3 1
1 3 4

输出样例：

3

堆优化版代码：

//我们可以通过输入数据发现，原来的朴素版本的 dijkstra 方法会超时

import java.io.*;
import java.util.*;

public class Main{
    public static int[] e = new int[150010];
    public static int[] ne = new int[150010];
    public static int[] w = new int[150010];
    public static int[] h = new int[150010];
    public static boolean[] st = new boolean[150010];
    public static int[] d = new int[150010];
    public static int idx = 0;
    public static void main(String[] args)throws IOException{
        BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
        String[] lens = br.readLine().split(" ");
        int n = Integer.parseInt(lens[0]);
        int m = Integer.parseInt(lens[1]);
        Arrays.fill(h, -1);
        for (int i = 0; i < m; i++){
            String[] res = br.readLine().split(" ");
            int a = Integer.parseInt(res[0]);
            int b = Integer.parseInt(res[1]);
            int c = Integer.parseInt(res[2]);
            add(a, b, c);
        }
        System.out.print(dijkstra(n));
    }
    public static void add(int a, int b, int c){
        e[idx] = b;
        w[idx] = c;
        ne[idx] = h[a];
        h[a] = idx++;
    }
    public static int dijkstra(int n){
        PriorityQueue<int[]> q = new PriorityQueue(new Comparator<int[]>(){
            public int compare(int[] a, int[] b){
                return a[1] - b[1];
            }
        });
        Arrays.fill(d, 0x3f3f3f3f);
        q.offer(new int[]{1, 0});
        while (!q.isEmpty()){
            int[] a = q.poll();
            int t = a[0];
            if (st[t]) continue;
            st[t] = true;
            int distance = a[1];
            for (int i = h[t]; i != -1; i = ne[i]){
                int j = e[i];
                if(!st[j]){
                    if (d[j] > distance + w[i]){
                        d[j] = distance + w[i];
                        q.offer(new int[]{j, d[j]});
                    }
                }
            }
        }
        if (d[n] == 0x3f3f3f3f) return -1;
        else return d[n];
    }
}

我们上述代码主要运用了堆优化的思想，因为我们每次都是希望找到目前节点的最短可达邻居，因此我们可以使用优先队列代替堆达到堆排序的目的；
我们上述代码的时间复杂度是nlogm；