dijkstra算法_dijkstra算法

dijkstra算法（迪杰斯特拉算法）是荷兰科学家E.W.Dijkstra于1959年提出的寻路算法，是目前公认的最好的求解最短路径的方法。堆优化后时间复杂度可达O((m+n)log(m))，但缺点是不能处理负权边。

负权边是什么：负权边，即权重为负的边。我们可以将每一条边的权重可以认为是从a端到b市面的过路费，而负权就是有土豪在地上撒钱，不但没有过路费还会让你总花费变少。

其算法步骤如下

1. 将所有的顶点分为两个部分：已知最短距离的顶点集合P和未知最短距离的顶点集合Q。最开始的时候，已知最短距离的顶点集合中只有源点。
2. 初始化distance数组，将源点s到自己的距离设置为0，到其他顶点的距离姑且设置为Infinity。
3. 依据distance数组，在未知顶点集合Q中选出距离源点最近的一个顶点u，放入P中，并考察所有以u为起点的边，以u作为中转点，检验是否能够减短源点到其他点的距离。如果有，就更新distance数组。这一步又叫松弛（relaxation）操作。
4. 重复上一步骤，直到Q中没有顶点。

松弛操作：更新两点间的最短路径。就是对于每个边e(v,w)，将源点s到w的距离更新为：原来源点s到w的距离 和 源点s到v的距离加上v到w的距离 中较小的那个。其原理是著名的“三角形两边之和大于第三边”定律。

下面我们图解整个算法过程：

从A出发，到达A

var 

寻找A的没被访问的邻居顶点B，D，分别计算它们到A的距离

A

将距离最短的D放到S集合中

var 

寻找D的没被访问的邻居顶点B，C，E，分别计算它们到A的距离

A

D到B，D的距离一样，都放入结果集

var 

这时可以从B与C出发，但B已经没有未访问的邻居，而C有一个E

A->D->C->E = S.C+ E.weight = 3+3 = 6

将E放到结果集中

var 

我们顺着上面的思路，使用链式前向星与BFS实现该算法。BFS会在循环中将它的所有邻居放在一起比较到源点的距离，因此我们还需要排序（这在其他语言，可以用到优先队列）。

var 

对于无权图，所谓的最短路径其实是指两顶点之间经过的边数最少的路径。

如果 你不会用链式前向星，改用边集数组来表示图也很简单

var