DIJ --迪杰斯特拉最短路算法 c++ 链式前向星优化

本文首先讲解原理 后讲解源代码

原理
DIJ算法，迪杰斯特拉算法，求最短路径
给出一张图，给出各个点间的距离（不能到达视为无穷大），给出一个顶点，将之视为出发点，求出这个点到其余所有点的最短路径。

思想介绍 两个集合 S 和U ，S集合最开始只有给定的出发点，U集合是除了出发点之外的所有点。U集合中所有点都表示为 距离出发点距离xxx的点，
例如 S{A} U{ B(4),C(7),D(无穷大）}这样表示

最开始把U中距离出发点最小的加入到S集合中，并且要审查U中集合是否因为S集合中点的加入，使得U中的点到出发点的距离变小了。如果有那么就要更新。

每次都执行两步操作：
1：从U集合中选择到出发点距离最小的点 加入到S集合
2：更新U集合中剩余的点到出发点的最短路

所以现在请你思考一下，这个算法实现起来的难度在哪里，当你发现这个算法哪里最难实现，那就是这个算法的核心

难点：加入新的点后，如何更新目前其它点到出发点的最短路径，因为新加入的点很可能会影响到原来的值，比如将E加入之后，原来A和C本来无法相连，距离为无穷大，但是有了E这个中间串联的，现在AC可以连接了，距离为一个确定的数。

算法实现讲解
第一步，对输入的边的顶点以及权值进行存储


非常重要的一个图的存储方式–链式前向星

以往的存储图的方式是邻接表，但是有缺陷，这是采用二维数组的方式存储，首先二维数组是非常耗费空间的，其次是两个点之间可能并不存在边。

链式前向星，只需要一个结构体以及一个head一维数组，效率极高，空间上时间上都优越不少。值得大家深入了解。

DIJ算法核心操作

首先进行边的遍历（这里采用的是链式前向星的遍历方式）
当这个顶点没有被访问过，并且当前ans值可以被优化时，进行ans值得更新操作。遍历完成之后，还要不断找最小值，进而确定pos的新的值（pos的新的值要选择ans值最小的进行下一步）

输出结果，程序结束

*总结：

本文重在强调两点，第一是摒弃传统的邻接表存储方式，改用时间空间上更为优越的链式前向星（读者可自行查阅详细信息）
第二是强调DIJ算法的核心操作，重在加入新的点之后，如何更新剩余点到初始点的最短距离*。