互联网面试突击算法-最短路径（Dijkstra算法、Bellman-Ford算法和Floyd-Warshall算法）

最短路径问题是指在图论中寻找两个顶点之间的最短路径的问题。在一个加权图中，每条边都有一个权重或者成本，最短路径问题就是要找到从一个起始顶点到达目标顶点的路径，使得经过的边的权重之和最小。

最短路径问题通常有两种常见的形式：单源最短路径和所有源最短路径。

1. 单源最短路径：给定一个图和一个起始顶点，找到从该起始顶点到图中所有其他顶点的最短路径。其中最著名的算法是Dijkstra算法和Bellman-Ford算法。

2. 所有源最短路径：给定一个图，找到图中任意两个顶点之间的最短路径。其中最著名的算法是Floyd-Warshall算法。

这些算法的选择取决于图的性质和具体的应用场景。例如，Dijkstra算法适用于非负权重的有向图或无向图，而Bellman-Ford算法适用于带有负权重的图，但不允许存在负权重的环路。Floyd-Warshall算法适用于任意类型的图，但其时间复杂度较高。

最短路径算法在网络路由、地理信息系统（GIS）、交通规划等领域都有广泛的应用。

以下是几种最短路径算法的实现代码：

1. Dijkstra算法（单源最短路径）：

import heapq

def dijkstra(graph, start):
    distances = {vertex: float('infinity') for vertex in graph}
    distances[start] = 0
    pq = [(0, start)]

    while pq:
        current_distance, current_vertex = heapq.heappop(pq)

        if current_distance > distances[current_vertex]:
            continue

        for neighbor, weight in graph[current_vertex].items():
            distance = current_distance + weight

            if distance < distances[neighbor]:
                distances[neighbor] = distance
                heapq.heappush(pq, (distance, neighbor))

    return distances

2. Bellman-Ford算法（单源最短路径，允许负权重）：

def bellman_ford(graph, start):
    distances = {vertex: float('infinity') for vertex in graph}
    distances[start] = 0

    for _ in range(len(graph) - 1):
        for vertex in graph:
            for neighbor, weight in graph[vertex].items():
                if distances[vertex] + weight < distances[neighbor]:
                    distances[neighbor] = distances[vertex] + weight

    return distances

3. Floyd-Warshall算法（所有源最短路径）：

def floyd_warshall(graph):
    dist = {k: {k: float('infinity') for k in graph} for k in graph}
    nxt = {k: {k: None for k in graph} for k in graph}

    for u in graph:
        dist[u][u] = 0
        for v, w in graph[u].items():
            dist[u][v] = w
            nxt[u][v] = v

    for k in graph:
        for i in graph:
            for j in graph:
                if dist[i][j] > dist[i][k] + dist[k][j]:
                    dist[i][j] = dist[i][k] + dist[k][j]
                    nxt[i][j] = nxt[i][k]

    return dist, nxt

这些算法在Python中实现的示例代码可以用于解决图中的最短路径问题。