张鹤臣1. 为什么蓝桥杯选手必须掌握Dijkstra算法
在蓝桥杯历年真题中，图论问题出现的频率高达37%，其中最短路径类题目占比超过60%。我清楚地记得2021年省赛那道城市交通规划题，题目给出一个包含200个节点、500条边的加权图，要求计算指定起点到所有其他节点的最短距离——这正是Dijkstra算法的经典应用场景。
Dijkstra算法的核心优势在于其时间复杂度O((V+E)logV)在稀疏图中表现优异，特别适合处理蓝桥杯常见的节点规模（通常200-500个节点）。与Floyd算法的O(V³)相比，Dijkstra在单源最短路径问题上具有明显效率优势。去年国赛中有选手用Floyd算法解本该用Dijkstra的题目，结果因为超时丢了15分。
关键提示：蓝桥杯对Dijkstra的考察重点往往不在于算法本身，而在于如何根据题目特点进行优化实现。比如需要处理负权边时（虽然Dijkstra理论上不适用），题目往往会给出特殊条件让Dijkstra仍然可用。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. Dijkstra算法核心原理拆解
2.1 算法执行流程详解
让我们通过一个具体例子理解Dijkstra的工作过程。假设有以下带权图（邻接表表示）：
code复制0: [(1,4), (2,1)]
1: [(3,1)]
2: [(1,2), (3,5)]
3: []
从节点0出发，算法执行步骤如下：
- 初始化距离数组dist = [0, ∞, ∞, ∞]，优先队列pq = [(0,0)]
- 弹出(0,0)，更新邻居：
- 节点1：dist[1] = min(∞, 0+4) = 4 → pq = [(1,4), (2,1)]
- 节点2：dist[2] = min(∞, 0+1) = 1 → pq = [(2,1), (1,4)]
- 弹出(2,1)，更新邻居：
- 节点1：dist[1] = min(4, 1+2) = 3 → pq = [(1,3), (1,4)]
- 节点3：dist[3] = min(∞, 1+5) = 6 → pq = [(1,3), (1,4), (3,6)]
- 弹出(1,3)，邻居节点3：
- dist[3] = min(6, 3+1) = 4 → pq = [(3,4), (1,4), (3,6)]
- 弹出(3,4)，无邻居需更新
- 算法结束，最终dist = [0,3,1,4]
2.2 关键数据结构实现要点
在C++实现中，优先队列的选择直接影响性能。STL的priority_queue默认是最大堆，我们需要通过以下方式适配：
cpp复制typedef pair<int, int> pii;
priority_queue<pii, vector<pii>, greater<pii>> pq; // 最小堆
常见坑点：忘记处理重复节点。当某个节点已被处理过但仍在队列中时，需要跳过：
cpp复制if (dist[u] < current_dist) continue;
3. 蓝桥杯特化实现技巧
3.1 输入数据处理的优化
蓝桥杯的图论题通常给出这样的输入格式：
code复制4 5 // 节点数 边数
0 1 4
0 2 1
1 3 1
2 1 2
2 3 5
高效读取方式：
cpp复制vector<vector<pii>> adj(n);
while (m--) {
int u, v, w;
cin >> u >> v >> w;
adj[u].emplace_back(v, w);
// 如果是无向图：
adj[v].emplace_back(u, w);
}
3.2 空间与时间平衡策略
当节点数N≤1000时，邻接矩阵更易实现：
cpp复制int graph[1005][1005];
memset(graph, 0x3f, sizeof(graph)); // 初始化为"无穷大"
for (int i = 0; i < n; ++i) graph[i][i] = 0;
但对于N≥1e4的情况，必须使用邻接表+堆优化，否则会MLE（内存超出限制）。
4. 真题实战：2023年省赛货运优化题解
题目大意：有N个物流中心（编号1~N），M条双向运输路线，每条路线有运输时间T_i。求从S中心到所有其他中心的最短运输时间。
完整AC代码：
cpp复制#include <bits/stdc++.h>
using namespace std;
const int INF = 0x3f3f3f3f;
void dijkstra(int s, vector<vector<pair<int,int>>>& adj, vector<int>& dist) {
dist.assign(adj.size(), INF);
dist[s] = 0;
priority_queue<pair<int,int>, vector<pair<int,int>>, greater<pair<int,int>>> pq;
pq.push({0, s});
while (!pq.empty()) {
auto [d, u] = pq.top();
pq.pop();
if (d > dist[u]) continue;
for (auto [v, w] : adj[u]) {
if (dist[v] > dist[u] + w) {
dist[v] = dist[u] + w;
pq.push({dist[v], v});
}
}
}
}
int main() {
int N, M, S;
cin >> N >> M >> S;
vector<vector<pair<int,int>>> adj(N+1); // 1-based
while (M--) {
int u, v, w;
cin >> u >> v >> w;
adj[u].emplace_back(v, w);
adj[v].emplace_back(u, w);
}
vector<int> dist;
dijkstra(S, adj, dist);
for (int i = 1; i <= N; ++i) {
cout << (dist[i] == INF ? -1 : dist[i]) << " ";
}
return 0;
}
关键得分点：
- 正确处理了节点编号的1-based问题
- 使用emplace_back而非push_back提高效率
- 输出时处理了不可达情况（输出-1）
- 使用0x3f3f3f3f作为INF的合理取值（避免溢出）
5. 高频考点与易错点分析
5.1 必须掌握的变种题型
- 次短路径：在松弛操作时维护两个距离数组
cpp复制if (dist1[v] > dist1[u] + w) {
dist2[v] = dist1[v];
dist1[v] = dist1[u] + w;
pq.push({dist1[v], v});
} else if (dist2[v] > dist1[u] + w && dist1[u] + w != dist1[v]) {
dist2[v] = dist1[u] + w;
pq.push({dist2[v], v});
}
- 最大概率路径：将加法改为乘法，最大堆替代最小堆
cpp复制priority_queue<pair<double,int>> pq; // 最大堆
if (prob[v] < prob[u] * p) {
prob[v] = prob[u] * p;
pq.push({prob[v], v});
}
5.2 调试技巧与常见WA原因
- 负权边陷阱：即使题目声明没有负权边，也要在代码中加入检测：
cpp复制if (w < 0) throw "Dijkstra不能处理负权边！";
- 初始化问题：确保dist数组足够大：
cpp复制const int INF = 0x3f3f3f3f; // 比1e9稍大且相加不溢出
- 优先队列比较错误：确保pair的第一个元素是距离：
cpp复制pq.push({dist[v], v}); // 正确
pq.push({v, dist[v]}); // 错误！会按节点号排序
6. 性能优化进阶技巧
当处理N≥1e5的稠密图时，可以考虑以下优化：
- 堆优化：使用Fibonacci堆可以将复杂度降到O(E + VlogV)，但STL未提供，可用配对堆替代：
cpp复制__gnu_pbds::priority_queue<pii, greater<pii>, __gnu_pbds::pairing_heap_tag> pq;
-
预处理加速：如果多次查询同一图的不同起点，考虑预处理全源最短路径（Floyd）或转为逆邻接表。
-
输入输出优化：
cpp复制ios::sync_with_stdio(false);
cin.tie(nullptr);
实测表明，在N=1e5的数据规模下，经过IO优化的Dijkstra比普通实现快2-3秒。
7. 个人实战经验分享
在去年备赛时，我发现三个特别容易忽视的细节：
-
优先队列的重复元素问题：当更新某个节点的距离时，应该直接插入新记录而不是修改原有记录。因为STL的priority_queue不支持修改操作，重复插入虽然会增加一些时间开销（O(logN)），但能保证正确性。
-
无穷大的取值艺术：使用0x3f3f3f3f（约1e9）作为INF的好处是：
- 两个INF相加不会溢出到负数
- memset(graph, 0x3f, sizeof(graph))可以快速初始化
- 判断时可以用
if (dist[v] == INF)
-
邻接表存储的边界情况：当图为完全图时（边数M=N²），使用邻接表会比邻接矩阵更节省空间，但要注意：
- vector的频繁扩容可能导致性能下降，建议提前reserve
- 对于无向图，边数要×2
最后给出一道自测题：假设有一个包含1000个节点的网格图（每个节点与上下左右相连），边权均为1，使用Dijkstra计算(0,0)到(999,999)的最短距离。你能分析出优先队列的最大可能大小吗？这个思考对理解算法内存消耗很有帮助。