圖文解析 | Dijkstra單源最短路徑演算法
單源最短路徑問題
給定 加權有向圖 G=(V,E,W)，每條邊的權值w為 非負數 ，表示兩個頂點間的距離。
源點s∈V。
求：從s出發到其他各個頂點的最短路徑。
如上圖所示，以1為源點，計算到其餘各個頂點的最短距離（我已用紅線標出）。下面列出了最終解：
源點：1
1->6->2 : short[2] = 5
1->6->2->3 : short[3] = 12
1->6->4 : short[4] = 9
1->6->5 : short[5] = 4
1->6v : short[6] = 3
Dijkstra演算法相關概念
S集合 ：當從s到x（x ∈V ）的最短路徑找到時，則x ∈S。當所有頂點都進入S集合時，演算法結束。
初始：S=｛s｝，當S=V時演算法結束。
從s到u相對於S的最短路徑 ：指從s到u且僅經過S中頂點的最短路徑。
dist[u]:從s到u相對於S的最短路徑長度
short[u]:從s到u最短路徑的長度（演算法最終解）
dist[u] ≥ short[u]
Dijkstra演算法採用貪心演算法模式，演算法過程就是通過計算dist[u],不斷擴充S集合，同時dist[u]會不斷優化改善，直到dist[u] = short[u]，並將其放到S中，當所有頂點都放入S集合時，演算法結束。
演算法設計思想
輸入：加權有向圖G=(V,E,W)
V={1,2,…,n}, s=1
輸出：從s到每個頂點的最短路徑
1.初始S=｛1｝ 2.對於u ∈V-S,計算1到u的相對於S的最短路，長度為dist[u] 3.選擇V-S中dist值最小的那個頂點，加入S。 4.繼續上述過程，直到S=V為止。
例項
輸入：G=(V,E,W)，源點1
V={1,2,3,4,5,6}
初始S集合只有1，計算直接從1能到達的頂點的距離，其他不能從1號頂點直接到達的頂點都記為無窮大。此時從dist[u]裡找出最短距離的頂點（6號），並將其放進S集合。
S={1}
dist[1] = 0
dist[2] = 10
dist[6 ] = 3
dist[3] = ∞
dist[4] = ∞
dist[5] = ∞
當把6號頂點放進S集合後，經由6號頂點出發到達的頂點的最短距離可能會被優化更新，因為該演算法的思想很“貪心”，誰更短我要誰！比如1->6->2要比1->2距離更短，所以dist[2]被更新為5，從專業術語上講，這個“更新”過程叫做鬆弛，其他點同理。然後從dist[u]裡找出最短的路徑的那個頂點（5號），並放進S集合裡。
S={1,6}
dist[1] = 0
dist[6] = 3
dist[2] = 5
dist[4] = 9
dist[5] = 4
dist[3] = ∞
後面的操作步驟其實就是重複上面的操作。即當S集合裡有個新的頂點後，就可能會更新其他點的最短距離，更新一遍後，找出當前最短距離的dist[u]，並將該頂點放進S集合。後面不重複闡述。
S={1,6,5}
dist[1] = 0
dist[6] = 3
dist[5] = 4
dist[2] = 5
dist[4] = 9
dist[3] = ∞
S={1,6,5,2}
dist[1] = 0
dist[6] = 3
dist[5] = 4
dist[2] = 5
dist[4] = 9
dist[3] = 12
S={1,6,5,2,4}
dist[1] = 0
dist[6] = 3
dist[5] = 4
dist[2] = 5
dist[4] = 9
dist[3] = 12
S={1,6,5,2,4,3}
dist[1] = 0
dist[6] = 3
dist[5] = 4
dist[2] = 5
dist[4] = 9
dist[3] = 12
當有向圖中的所有頂點都進入了S集合後，演算法結束，此時的dist[u]的值其實就是最初我們找出的那個最終解short[u]，所以，演算法結束時，dist[u]=short[u],得到最終解。