試利用Dijkstra算法求圖中從頂點a到其他各頂點間的最短路徑，寫出執(zhí)行算法過程中各步的狀態(tài)？1c:22c:2f:63c:2f:6e:104c:2f:6e:10d:115c:2f:6e:10d:11

試利用Dijkstra算法求圖中從頂點a到其他各頂點間的最短路徑，寫出執(zhí)行算法過程中各步的狀態(tài)？

1c:2

2c:2f:6

3c:2f:6e:10

4c:2f:6e:10d:11

5c:2f:6e:10d:11g:14

6c:2f:6e:10d:11g:14b:15

基于Dijkstra算法，我們可以擴展它的函數(shù)。

例如，有時我們希望在找到最短路徑的基礎上列出一些子短路徑。為了解決這個問題，我們可以先在原圖上計算最短路徑，然后從圖中刪除路徑的一條邊，然后在剩余的子圖中重新計算最短路徑。對于原始最短路徑的每一條邊，刪除邊后可以找到子圖的最短路徑。這些路徑是排序后原圖的一系列次最短路徑。Bellman-Ford算法可以應用于具有負支出Fabian的圖，只要不存在總支出為負且從源點s可到達的循環(huán)（如果存在這樣的循環(huán)，則不存在最短路徑，因為總支出可以通過循環(huán)多次而無限減少）。

尋找最短路徑時，是BFS和Dijkstra的算法有什么區(qū)別？

在某種程度上，是的，但這個貪婪的步驟也是一個尋求最佳解決方案的過程。

dijkstra算法是貪心算法嗎？

太深的算法可以適當學習一些，但是比較常用的算法一定能做到。不僅算法崗需要學習這么多算法，開發(fā)崗也需要學習很多常用算法，這樣才能在開發(fā)過程中編寫出高性能的代碼。我舉個例子。以前，我用MR處理一段數(shù)據(jù)。在reduce階段，我需要根據(jù)某個值保持頂部，但是如果不能使用其他算法，可以調(diào)用quick sort。最壞的時間復雜度是O（n^2）。當數(shù)據(jù)很大時，你不能用完。如果能夠維護大頂堆或bfprt算法，時間復雜度會大大降低。所以算法是非常重要的。

那么，我們需要學習哪些算法？我將列出以下方向

常見的圖論算法，如并集搜索、最短路徑算法、二部圖匹配、網(wǎng)絡流、拓撲排序等

例如常見的二分搜索、三分搜索，特別是二分搜索、訪談常問、深度優(yōu)先搜索和廣度優(yōu)先搜索，經(jīng)典的八道數(shù)字題等等。還有一些啟發(fā)式搜索算法，如模擬退火算法、遺傳算法、粒子群算法、蟻群算法等。

Dijkstra算法用于尋找最短路徑、最大子段和、數(shù)字DP等

這一類比較大，特別是在機器學習、人工智能、密碼學等領(lǐng)域。比如數(shù)論中的大數(shù)分解，大素數(shù)的判定，擴展歐幾里德算法，中國剩余定理，盧卡斯定理等等，組合數(shù)學中的博弈問題，卡特蘭數(shù)公式，包含排除原理，波利亞計數(shù)等等，計算幾何中的極性排序、凸包問題、旋轉(zhuǎn)卡盤問題、多邊形核問題、平面最近點對問題等。另外，還有一些矩陣的構(gòu)造計算，如矩陣的快冪等。

如果要做算法作業(yè)，除了上面的一些應用算法外，主要是機器學習、深度學習算法。