堆优化Dijkstra算法：大规模图最短路径的高效解法

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(n²)时间复杂度将无法在合理时间内完成计算。此时堆优化版本能将复杂度降至O((n+m)logn)，成为解决大规模图最短路径问题的利器。

1.1 为什么需要堆优化

朴素Dijkstra的瓶颈在于每次需要O(n)时间寻找未访问节点中的最小距离值。假设处理百万级节点的图：

• 朴素版：10^12次操作（现代计算机约需数小时）
• 堆优化：约2×10^7次操作（可在秒级完成）

实际测试数据对比（n=1e5, m=5e5）：

1.2 堆的本质与选择

堆（优先队列）是一种能高效获取极值的数据结构，在Dijkstra中我们通常需要：

1. 最小堆：快速获取当前距离起点最近的节点
2. 动态更新：当发现更短路径时修改堆内元素

C++中的实现选择：

cpp复制// STL priority_queue（需手动处理更新）
priority_queue<pair<int,int>, vector<pair<int,int>>, greater<pair<int,int>>> pq;

// 更推荐：手写二叉堆
struct MinHeap {
    vector<pair<int,int>> heap;
    void push(int node, int dist) { /* 插入操作 */ }
    pair<int,int> pop() { /* 删除最小值 */ }
    void update(int node, int new_dist) { /* 更新操作 */ }
};

关键技巧：当节点距离更新时，直接向堆中插入新值而非修改原值。虽然会增加堆的大小，但通过判断节点是否已访问可以避免重复处理。

2. 堆优化Dijkstra实现细节

2.1 算法流程分解

完整实现步骤（带时间复杂度分析）：

1. 初始化：
   • dist数组设为INF（O(n)）