单源最短路径算法：Dijkstra与Bellman-Ford实战解析

1. 单源最短路径问题概述

单源最短路径（Single-Source Shortest Path，SSSP）是图论中最基础也最经典的问题之一。简单来说，就是给定一个带权有向图G=(V,E)和一个源顶点s，找出从s到图中所有其他顶点的最短路径。这里的"最短"指的是路径上所有边的权值之和最小。

我第一次接触这个问题是在大学的数据结构课上，当时觉得Dijkstra算法简直像变魔术一样神奇。后来在实际工作中，我发现SSSP的应用远比想象中广泛——从导航软件中的路线规划，到网络路由中的包转发决策，甚至社交网络中的影响力传播分析，都离不开这个基础算法。

2. 经典算法对比与选型

2.1 Dijkstra算法：非负权图的黄金标准

Dijkstra算法由荷兰计算机科学家Edsger W. Dijkstra在1956年提出，是解决非负权图SSSP问题的最优选择。它的核心思想是贪心策略，通过维护一个优先队列来逐步扩展已知的最短路径。

python复制def dijkstra(graph, start):
    distances = {vertex: float('infinity') for vertex in graph}
    distances[start] = 0
    pq = [(0, start)]
    
    while pq:
        current_distance, current_vertex = heapq.heappop(pq)
        
        if current_distance > distances[current_vertex]:
            continue
            
        for neighbor, weight in graph[current_vertex].items():
            distance = current_distance + weight
            if distance < distances[neighbor]:
                distances[neighbor] = distance
                heapq.heappush(pq, (distance, neighbor))
    
    return distances

这个算法的时间复杂度取决于优先队列的实现：

• 数组实现：O(V²)
• 二叉堆：O((V+E)logV)
• 斐波那契堆：O(E + VlogV)

实际工程中，当图比较稀疏时（E≈V），二叉堆实现通常是最佳选择。我在处理城市道路网络时就采用了这种实现，实测性能比数组实现快10倍以上。

2.2 Bellman-Ford算法：处理负权边的利器

当图中存在负权边时，Dijkstra算法就不再适用。这时Bellman-Ford算法就派上用场了。它的时间复杂度是O(VE)，虽然比Dijkstra慢，但能检测负权环——这个特性在网络路由协议中有重要应用。

python复制def bellman_ford(graph, start):
    distances = {vertex: float('infinity') for vertex in graph}
    distances[start] = 0
    
    for _ in range(len(graph) - 1):
        for vertex in graph:
            for neighbor, weight in graph[vertex].items():
                if distances[vertex] +