堆优化Dijkstra算法：原理、实现与性能优化

1. 堆优化Dijkstra算法核心解析

当图的节点数n和边数m超过10^5量级时，传统Dijkstra算法的O(n^2)时间复杂度将无法在合理时间内完成计算。这时就需要引入堆（优先队列）进行优化，将时间复杂度降为O((n+m)logn)。这个优化不是简单的语法技巧，而是算法思想层面的本质改进。

1.1 为什么堆能优化Dijkstra

朴素Dijkstra的瓶颈在于每次都要遍历所有节点寻找当前距离起点最近的节点。使用最小堆（优先队列）后：

• 查找最近节点的时间从O(n)降为O(1)
• 堆调整操作耗时O(logn)
• 总体时间复杂度从O(n^2)优化为O((n+m)logn)

实测数据对比（单位：ms）：

1.2 堆的底层实现选择

不同编程语言提供的堆实现各有特点：

• C++：priority_queue（默认最大堆，需自定义比较器）
• Java：PriorityQueue（线程不安全）
• Python：heapq模块（最小堆实现）

以C++为例，正确的声明方式应该是：

cpp复制// 小根堆定义
struct Node {
    int v, dis;
    bool operator>(const Node& rhs) const {
        return dis > rhs.dis;
    }
};
priority_queue<Node, vector<Node>, greater<Node>> pq;

2. 堆优化Dijkstra实现细节

2.1 算法流程分解

1. 初始化阶段：

   • dist数组初始化为INF
   • 起点距离设为0
   • 将起点加入堆

2. 主循环步骤：

   python复制while heap not