Dijkstra算法实现与优化：单源最短路径问题详解

1. 项目背景与核心需求

单源最短路径（Single-Source Shortest Path，SSSP）是图论中的经典问题，也是算法竞赛和工程实践中高频出现的核心场景。洛谷P4779作为标准模板题，要求实现一个能在带权有向图中高效计算从固定起点到所有其他节点最短路径的解决方案。

这个问题的现实意义远超竞赛范畴——从导航软件的最优路线规划，到网络数据包的路由选择，再到社交网络中的影响力传播分析，本质上都是最短路径问题的变体。标准版特别强调对大规模图数据（节点数V≤1e5，边数E≤2e5）的处理能力，这直接决定了算法能否在工业级场景落地。

2. 算法选型与技术解析

2.1 Dijkstra算法的本质优势

对于非负权图的最短路径问题，Dijkstra算法以其O((V+E)logV)的时间复杂度成为黄金标准。其核心在于贪心策略：每次从优先队列中取出当前距离起点最近的节点，并松弛其邻接边。这种策略能确保每个节点被处理时，其最短路径已经确定。

关键数学原理在于：

• 三角不等式：对于任意边(u,v)，有dist[v] ≤ dist[u] + weight(u,v)
• 贪心选择性质：全局最优解可以通过局部最优选择达到

2.2 优先队列的工程实现

标准库的priority_queue在竞赛中常被使用，但存在性能瓶颈。更优的方案是：

cpp复制// 自定义小顶堆比较器
auto cmp = [](const auto& a, const auto& b) { 
    return a.second > b.second; 
};
priority_queue<pair<int,int>, vector<pair<int,int>>, decltype(cmp)> pq(cmp);

实测表明，手写二叉堆可提升约15%性能，而更高级的Fibonacci堆虽然理论更优，但常数因子过大，实际反而不如二叉堆。

关键细节：必须记录节点当前最短距离，避免重复入队。当从队列取出节点时，需检查该距离是否已被更新（即是否"过期"）

3. 完整实现与优化技巧

3.1 邻接表存储的最佳实践

cpp复制vector<vector<pair<int, int>>> adj(n); // adj[u] = { (v1,