Dijkstra算法详解：从原理到实现与优化

1. 项目背景与问题定义

单源最短路径（Single-Source Shortest Path，SSSP）是图论中的经典问题，也是算法竞赛中的高频考点。洛谷P4779作为标准模板题，要求实现一个能够处理带权有向图的Dijkstra算法，解决从固定起点到图中所有其他节点的最短路径问题。这个问题在实际应用中广泛存在，比如导航软件中的路线规划、网络路由中的最优路径选择等场景。

我第一次接触这个问题是在准备区域赛时，当时被各种优化版本绕得头晕。后来发现吃透标准版才是关键，就像练武术要先扎马步一样。本文将拆解最朴素的Dijkstra实现方案，适合算法入门者建立正确的思维模型。

2. 算法核心原理剖析

2.1 Dijkstra算法基本思想

Dijkstra算法的本质是贪心策略与动态规划的结合。其核心在于维护一个"已确定最短路径"的节点集合S，每次从剩余节点中选择当前距离起点最近的节点加入S，并松弛其邻接边。这个过程就像用探照灯一层层照亮地图，每次总是先照亮最近的未探索区域。

算法正确性的关键在于：在非负权图中，局部最优解能保证全局最优。用数学归纳法可以证明，当节点u被加入S时，dist[u]已经是最短距离。这个特性使得Dijkstra不能处理负权边——负权会破坏贪心选择的最优子结构。

2.2 时间复杂度分析

基础实现使用线性扫描查找最小距离节点：

• 每次查找最小值：O(V)
• 总共V次操作：O(V²)
• 松弛操作总次数：O(E)
• 合计复杂度：O(V² + E)

对于稀疏图（E≈V），这显然不够高效。后面我们会看到如何用优先队列优化到O((V+E)logV)。

3. 标准版实现详解

3.1 数据结构设计

cpp复制const int MAXN = 1e5 + 5;
const int INF = 0x3f3f3f3f;

struct Edge {
    int to, weight;
};

vector<Edge> adj[MAXN];  // 邻接表存图
int dist[MAXN];          // 存储最短距离
bool visited[MAXN];      // 标记是否已确定最短路径

这里有几个关键点：

1. 邻接表比邻接矩阵更节省空间，尤其适合稀疏图
2. INF