Dijkstra 算法：从 BFS 到带权最短路径
最短路径问题可以抽象成：在加权图中，求从起点到某点（或所有点）的「路径边权之和」最小的那条路。Dijkstra 解决的是边权非负 的单源最短路径：从某个起点出发，到其余各点的最短距离。很多题还会加上「点到点」「最多走 K 步」等约束，本质都是在同一套框架上改松弛规则或状态维度。这篇博客把「思想 → 通用堆 → 三种模板 → 常见变形」串起来，相同逻辑的代码只保留一份，方便查阅和套用。
一、直觉：Dijkstra = BFS + 贪心
- 无权图：BFS 按层扩散，第一次到达某点时的步数就是最短步数。
- 带权图 ：边数最少不一定权和最小，所以要按「当前路径的权和」来扩展：优先扩展当前距离最小的点，第一次从堆里弹出终点时，对应的距离就是最短距离。
实现上只需要把 BFS 的两处改掉：
- 队列 → 优先队列（最小堆）：按「到起点的距离」排序，每次弹出距离最小的点。
- visited → distTo（dp）：用数组记录「到起点的当前最短距离」，既防重复无效扩展，又直接得到答案。
因此：Dijkstra = BFS + 优先队列 + 用 distTo 代替 visited。下面所有模板都基于同一套「堆 + dp」的写法。
二、通用堆
Dijkstra 里需要「按第一维（距离/代价/概率）排序」的优先队列，用带比较函数的堆 最通用：最小堆用 (a,b)=>a[0]-b[0]，最大堆用 (a,b)=>b[0]-a[0]，后面所有模板都复用这一个类。
js
/**
* 通用堆（优先队列）：支持自定义比较逻辑
* 适配所有Dijkstra场景（距离、概率、步数等）
* @param {Function} compareFn - 比较函数：
* - 返回 < 0：a 应该排在 b 前面（a 优先级更高）
* - 返回 = 0：a 和 b 优先级相同
* - 返回 > 0：b 应该排在 a 前面（b 优先级更高）
*/
class Heap {
constructor(compareFn) {
this.arr = [];
// if(a<b) .... 改成 this.compare(a,b)<0
// if(a[0]<b[0]) .... 那么传入compareFn ((a, b) => a[0] - b[0])然后this.compare(a,b)<0
// compare里面参数是前后两个元素，但是比较逻辑自定义
this.compare = compareFn || ((a, b) => a - b);
}
parent(idx) {
return Math.floor((idx - 1) / 2);
}
left(idx) {
return idx * 2 + 1;
}
right(idx) {
return idx * 2 + 2;
}
swim(idx) {
let p = idx;
while (this.parent(p) >= 0) {
const parentIdx = this.parent(p);
// 核心：用自定义compare判断是否满足堆特性
if (this.compare(this.arr[parentIdx], this.arr[p]) <= 0) break;
[this.arr[p], this.arr[parentIdx]] = [this.arr[parentIdx], this.arr[p]];
p = parentIdx;
}
}
sink(idx) {
let p = idx;
while (this.left(p) < this.arr.length) {
const left = this.left(p);
const right = this.right(p);
let minIdx = left;
// 核心：用自定义compare找优先级更高的子节点
if (right < this.arr.length && this.compare(this.arr[right], this.arr[minIdx]) < 0) {
minIdx = right;
}
if (this.compare(this.arr[p], this.arr[minIdx]) <= 0) break;
[this.arr[p], this.arr[minIdx]] = [this.arr[minIdx], this.arr[p]];
p = minIdx;
}
}
push(val) {
this.arr.push(val);
this.swim(this.arr.length - 1);
}
shift() {
if (this.arr.length === 0) return null;
const res = this.arr[0];
this.arr[0] = this.arr.at(-1);
this.arr.pop();
this.sink(0);
return res;
}
isEmpty() {
return this.arr.length === 0;
}
size() {
return this.arr.length;
}
}三、模板一：单源最短路径（到所有点）
输入 ：邻接表 graph（graph[i] 为 [ [邻居 id, 边权], ... ]）、起点 start。
输出 ：一维数组 dp，dp[i] 表示起点到节点 i 的最短距离，不可达为 Infinity。
核心就是：优先队列存 [到起点的距离, 节点 id] ，dp 记录到起点的当前最短距离 ；每次弹出「当前距离最小」的点，若已不是最优则剪枝，否则用其邻居做松弛（newDis = curDis + weight），更优则更新 dp 并入队。
js
function Dijkstra(graph, start) {
const n = graph.length;
if (!graph || n === 0) return [];
if (start < 0 || start >= n) return [];
const pMinQueue = new Heap((before, after) => before[0] - after[0]);
// 优先最小队列存放的每项是 [该点到起点的距离，该点]
pMinQueue.push([0, start]);
// dp[i]表示i点到起点的最短距离，这个值在遍历过程中会不停地更新，初始化为Infinity，如果最后还是Infinity，说明这个点没到达过
const dp = new Array(n).fill(Infinity);
// 起始点到起始点的距离肯定是0
dp[start] = 0;
while (!pMinQueue.isEmpty()) {
// 当前点的距离是索引
const [curDis, curIdx] = pMinQueue.shift();
// 这里需要剪枝，因为同一个点到起点的距离，可能被推送多次，如果不是最短距离，就跳过
if (curDis > dp[curIdx]) continue;
// 然后开始往前走,先获取邻点
const neighbors = graph[curIdx] || [];
for (let [nextId, weight] of neighbors) {
// 这个邻居到起点的距离就是
const newDistance = curDis + weight;
// 如果这个邻居以前到达过，那么获取它以前到起点的距离
const oldDistance = dp[nextId];
// 如果新路线更短，更新最短路径，并且入队列，这里注意，队列里可能也存在该点到起点的老距离，这也就是为啥上面curDis要做一次剪枝的原因，遇到同一个点，如果已经有更短的，那么当前就跳过就好
if (newDistance < oldDistance) {
dp[nextId] = newDistance;
pMinQueue.push([newDistance, nextId]);
}
}
}
// 队伍空了表示，该走的都走了
return dp;
}适用 ：例如 LeetCode 743（网络延迟时间）------跑一遍单源 Dijkstra，取 dp 中除起点外的最大值即为「最晚收到信号的时间」，若有 Infinity 则返回 -1。
四、模板二：点到点最短路径（到 target 提前返回）
在模板一的基础上多加一个参数 target，第一次从堆里弹出 target 时，当前 dp[target] 就是答案，可直接返回，不必再扩展完所有点。
js
function Dijkstra(graph, start, target) {
const n = graph.length;
if (!graph || n === 0) return Infinity;
if (start < 0 || start >= n || target < 0 || target >= n) return Infinity;
const pMinQueue = new Heap((before, after) => before[0] - after[0]);
// 优先最小队列存放的每项是 [该点到起点的距离，该点]
pMinQueue.push([0, start]);
// dp[i]表示i点到起点的最短距离，这个值在遍历过程中会不停地更新，初始化为Infinity，如果最后还是Infinity，说明这个点没到达过
const dp = new Array(n).fill(Infinity);
// 起始点到起始点的距离肯定是0
dp[start] = 0;
while (!pMinQueue.isEmpty()) {
const [curDis, curIdx] = pMinQueue.shift();
// 这里需要剪枝，因为同一个点到起点的距离，可能被推送多次，如果不是最短距离，就跳过
if (curDis > dp[curIdx]) continue;
// 注意，如果刚开始target离起点很远的话，会被排在队列的最后面，一直到其他短距离都被遍历完，才会到，所以遍历到的时候，就是当前队列里的最小值
if (curIdx === target) return dp[curIdx];
const neighbors = graph[curIdx] || [];
for (let [nextId, weight] of neighbors) {
const newDistance = curDis + weight;
const oldDistance = dp[nextId];
if (newDistance < oldDistance) {
dp[nextId] = newDistance;
pMinQueue.push([newDistance, nextId]);
}
}
}
return dp[target];
}适用：只关心起点到终点的最短距离、且图较大时，可少扩展很多点。
五、模板三：带「最多 K 步」限制（dp 加一维步数）
有些题限制「最多经过 K 条边」（如 LeetCode 787 最多 K 站中转）。此时状态要加上「已经走了几步」：dp[i][step] = 从起点到节点 i、恰好用 step 步时的最短距离 。松弛时 nextStep = curStep + 1，只有 nextStep <= maxStep 才入队；当 curStep === maxStep 时不再扩展出边。
易错点：先记录「到达终点」的答案，再判断「步数已满则 continue」 。否则会出现：刚好用满 K 步到达终点时，先执行了 if (curStep === maxStep) continue，导致没有更新答案就跳过。
js
function Dijkstra(graph, start, target, maxStep) {
const n = graph.length;
if (!graph || n === 0) return Infinity;
if (start < 0 || start >= n || target < 0 || target >= n || maxStep < 0) return Infinity;
const pMinQueue = new Heap((before, after) => before[0] - after[0]);
// 优先最小队列存放的每项是 [该点到起点的距离，起点走了几步到该点，该点]
pMinQueue.push([0, 0, start]);
// dp[i][j]表示i点到起点、用j步时的最短距离；这个值在遍历过程中会不停地更新，初始化为Infinity
const dp = new Array(n).fill(0).map(() => new Array(maxStep + 1).fill(Infinity));
dp[start][0] = 0;
// 实时记录到达target的最小距离（可能在不同步数下到达，取最小）
let minDistance = Infinity;
while (!pMinQueue.isEmpty()) {
const [curDis, curStep, curIdx] = pMinQueue.shift();
if (curDis > dp[curIdx][curStep]) continue;
// 先记录到达终点的最小代价（必须在 curStep === maxStep 的 continue 之前，否则步数刚好吃满时到终点会漏掉）
if (curIdx === target) {
minDistance = Math.min(minDistance, curDis);
}
// 步数已满不再扩展出边，但上面已记录过终点
if (curStep === maxStep) continue;
const neighbors = graph[curIdx] || [];
for (let [nextId, weight] of neighbors) {
const nextStep = curStep + 1;
const newDistance = curDis + weight;
const oldDistance = dp[nextId][nextStep];
if (newDistance < oldDistance) {
dp[nextId][nextStep] = newDistance;
pMinQueue.push([newDistance, nextStep, nextId]);
}
}
}
return minDistance;
}适用 ：LeetCode 787（最便宜航班 within K stops）：建邻接表后调用 Dijkstra(graph, src, dst, k + 1)，返回 minDistance === Infinity ? -1 : minDistance。
六、网格转邻接表（gridToGraph）
很多题给的是二维网格（如四方向移动、每格有方向箭头等），需要先转成「节点 id + 邻接表」再跑 Dijkstra。下面这段通用网格转图 函数可复用：通过 options.getWeight 自定义边权，通过 options.dirMap 指定方向，默认配置适配 LeetCode 1368（1=右 2=左 3=下 4=上，沿箭头 0 代价否则 1）。
js
/**
* 通用网格转邻接表函数（图论通用版）
* @param {number[][]} grid - 二维网格
* @param {Object} options - 自定义配置（灵活适配所有网格转图场景）
* @param {Function} options.getWeight - 边权重计算函数（核心扩展点）
* 参数：(curVal, dirIdx, curR, curC, nextR, nextC)
* 返回：数值（边的权重，可正/负/0，代表代价/收益/概率等）
* @param {Array} options.dirMap - 方向映射表：[[rDiff, cDiff], ...]
* 索引=方向编号（如1=右、2=左），值=[行偏移, 列偏移]
* @param {number} options.dirCount - 方向数量（默认4个方向）
* @returns {Array} graph - 邻接表：graph[节点ID] = [[邻接节点ID, 边权重], ...]
*/
function gridToGraph(grid, options) {
const defaultOptions = {
// 方向映射：1=右 2=左 3=下 4=上（索引对应方向编号）
dirMap: [[], [0, 1], [0, -1], [1, 0], [-1, 0]],
dirCount: 4,
// 默认权重规则：沿grid值方向移动权重0，否则1（1368题的「修改代价」）
getWeight: (curVal, dirIdx) => (dirIdx === curVal ? 0 : 1),
};
const { dirMap, dirCount, getWeight } = { ...defaultOptions, ...options };
const rows = grid.length;
if (rows === 0) return [];
const cols = grid[0].length;
if (cols === 0) return [];
const totalNodes = rows * cols;
const graph = new Array(totalNodes).fill(0).map(() => []);
for (let curR = 0; curR < rows; curR++) {
for (let curC = 0; curC < cols; curC++) {
// 行优先计算节点ID（核心公式：列数×行 + 列）
const curNodeId = cols * curR + curC;
const curGridVal = grid[curR][curC];
for (let dirIdx = 1; dirIdx <= dirCount; dirIdx++) {
const [rDiff, cDiff] = dirMap[dirIdx] || [0, 0];
const nextR = curR + rDiff;
const nextC = curC + cDiff;
if (nextR >= 0 && nextR < rows && nextC >= 0 && nextC < cols) {
const nextNodeId = cols * nextR + nextC;
const edgeWeight = getWeight(curGridVal, dirIdx, curR, curC, nextR, nextC);
graph[curNodeId].push([nextNodeId, edgeWeight]);
}
}
}
}
return graph;
}用法示例：1368 题可直接 const graph = gridToGraph(grid)，得到邻接表后再用模板二 求 (0,0) 到 (rows-1, cols-1) 的最短代价（节点 id：起点 0，终点 rows*cols-1）。其他网格题若边权规则不同，只需传入自定义 getWeight（及必要时 dirMap）。
七、常见变形：改松弛规则与堆
下面几题仍然用「堆 + dp」的框架，只是松弛规则 或堆的优先级不同，代码里只写出与上面模板的差异部分（邻接表格式、松弛公式、堆比较函数）。
1. 路径「最大边权」最小（LeetCode 1631 最小体力消耗）
边权是高度差，要求整条路径上最大的一条边 尽量小。
松弛 ：不是「当前距离 + 边权」，而是 newVal = Math.max(curVal, weight) ；只有 newVal < dp[nextId] 才更新并入队。堆仍按第一维最小出队。
2. 路径「成功概率」最大（LeetCode 1514）
边权是概率，要求路径上概率连乘 最大。
松弛 ：newProb = curProb * edgeProb，只有 newProb > dp[nextId] 才更新。
堆 ：要「概率大的先出队」，用最大堆 ：new Heap((a, b) => b[0] - a[0])，队列里存 [概率, 节点]，dp 初始为 0，起点为 1。
3. 网格图 + 0/1 代价（LeetCode 1368 至少一条有效路径）
每个格子有默认方向，沿默认方向走代价 0，改方向代价 1。
建图 ：把网格按行优先展平为节点 id，四个方向连边，边权为 0 或 1。
算法 ：用模板二（点到点 Dijkstra）即可，松弛仍是 curCost + weight。
4. 单源最短路 + 取最大值（LeetCode 743 网络延迟时间）
从起点跑一遍模板一 ，得到 dp；答案 = Math.max(...dp.slice(1))（或排除起点后的最大值），若有 Infinity 则返回 -1。
八、题目练习
以下每题给出：链接 、题目介绍 、示例 、思路 、代码（若与上文模板/网格转图完全一致则只写「见上文 xxx」）。
1. 743. 网络延迟时间
- 链接 ：LeetCode 743 - 网络延迟时间
- 题目介绍 ：有 n 个节点，标号 1~n。给定有向边列表
times，每条为[u, v, w]表示从 u 到 v 的传递时间为 w。从节点 k 发出信号，求所有节点都收到信号所需的最短时间；若存在节点收不到则返回 -1。 - 示例 ：
times = [[2,1,1],[2,3,1],[3,4,1]], n = 4, k = 2→ 输出2（从 2 到 4 最远为 2）。 - 思路 ：单源最短路，起点为 k。跑一遍模板一 得到
dp，答案 = 所有点中最大的dp[i]（节点从 1 开始则注意下标）；若有Infinity则返回 -1。 - 使用 ：模板一（见第三节）。Heap 见上文。
js
var networkDelayTime = function (times, n, k) {
if (n <= 0) return -1;
if (k < 1 || k > n) return -1;
const graph = new Array(n + 1).fill(0).map(() => []);
for (const [u, v, w] of times) graph[u].push([v, w]);
const dp = Dijkstra(graph, k); // 模板一：单源最短路，返回 dp[]
const max = Math.max(...dp.slice(1));
return Number.isFinite(max) ? max : -1;
};2. 1631. 最小体力消耗路径
- 链接 ：LeetCode 1631 - 最小体力消耗路径
- 题目介绍 ：给定二维矩阵
heights，从左上角走到右下角。每次可走上下左右，体力消耗为相邻两格高度差的绝对值 。求一条路径使得整条路径中「单步最大高度差」最小。 - 示例 ：
heights = [[1,2,2],[3,8,2],[5,3,5]]→ 输出2（路径上最大高度差为 2）。 - 思路 ：建图用 gridToGraph （第六节），Dijkstra 用模板二 的流程，仅松弛改为
newVal = Math.max(curVal, weight)。 - 使用 ：gridToGraph （第六节）+ 模板二变体（松弛改为路径最大边权）。Heap 见上文。
js
var minimumEffortPath = function (heights) {
if (!heights.length || !heights[0].length) return 0;
const graph = gridToGraph(heights, {
dirMap: [[], [-1, 0], [1, 0], [0, -1], [0, 1]],
dirCount: 4,
getWeight: (_, __, curR, curC, nextR, nextC) =>
Math.abs(heights[curR][curC] - heights[nextR][nextC]),
});
return DijkstraMaxEdge(graph, 0, graph.length - 1);
};
// 模板二变体：与第四节模板二相同，仅松弛改为 newVal = Math.max(curVal, weight)
function DijkstraMaxEdge(graph, start, target) {
const n = graph.length;
if (!n || start < 0 || start >= n || target < 0 || target >= n) return Infinity;
const pMinQueue = new Heap((a, b) => a[0] - b[0]);
pMinQueue.push([0, start]);
const dp = new Array(n).fill(Infinity);
dp[start] = 0;
while (!pMinQueue.isEmpty()) {
const [curVal, curIdx] = pMinQueue.shift();
if (curVal > dp[curIdx]) continue;
if (curIdx === target) return dp[curIdx];
for (const [nextId, weight] of graph[curIdx] || []) {
const newVal = Math.max(curVal, weight);
if (newVal < dp[nextId]) {
dp[nextId] = newVal;
pMinQueue.push([newVal, nextId]);
}
}
}
return dp[target];
}3. 1514. 概率最大的路径
- 链接 ：LeetCode 1514 - 概率最大的路径
- 题目介绍 ：无向图，每条边有一个成功概率。求从
start_node到end_node的路径中，成功概率最大的一条（概率为路径上各边概率的乘积）。 - 示例 ：
n=3, edges=[[0,1],[1,2],[0,2]], succProb=[0.5,0.5,0.2], start=0, end=2→ 输出0.25（0→1→2 为 0.5*0.5=0.25）。 - 思路 ：模板二变体 ：最大堆、dp 初值 0 且起点为 1、松弛为
newProb = curProb * prob，仅当newProb > dp[nextId]时更新（见第七节常见变形第 2 条）。 - 使用 ：模板二变体（最大堆 + 乘法松弛）。Heap 见上文。
js
var maxProbability = function (n, edges, succProb, start_node, end_node) {
if (n <= 0) return 0;
if (start_node < 0 || start_node >= n || end_node < 0 || end_node >= n) return 0;
const graph = new Array(n).fill(0).map(() => []);
for (let i = 0; i < edges.length; i++) {
const [u, v] = edges[i];
const p = succProb[i];
graph[u].push([v, p]);
graph[v].push([u, p]);
}
return DijkstraMaxProb(graph, start_node, end_node);
};
// 模板二变体：最大堆 (a,b)=>b[0]-a[0]，dp 初值 0、起点 1，松弛 newProb = curProb * prob
function DijkstraMaxProb(graph, start, target) {
const n = graph.length;
if (!n || start < 0 || start >= n || target < 0 || target >= n) return 0;
const pMaxQueue = new Heap((a, b) => b[0] - a[0]);
pMaxQueue.push([1, start]);
const dp = new Array(n).fill(0);
dp[start] = 1;
while (!pMaxQueue.isEmpty()) {
const [curProb, curIdx] = pMaxQueue.shift();
if (curProb < dp[curIdx]) continue;
if (curIdx === target) return curProb;
for (const [nextId, prob] of graph[curIdx] || []) {
const newProb = curProb * prob;
if (newProb > dp[nextId]) {
dp[nextId] = newProb;
pMaxQueue.push([newProb, nextId]);
}
}
}
return 0;
}4. 1368. 使网格图至少有一条有效路径的最小代价
- 链接 ：LeetCode 1368 - 使网格图至少有一条有效路径的最小代价
- 题目介绍 ：网格每格有一个方向（1 右 2 左 3 下 4 上），沿该方向走代价 0，改方向代价 1。求从左上到右下的最小修改代价。
- 示例 ：
grid = [[1,1,3],[3,2,2],[1,1,4]]→ 输出0（按箭头走即可）。 - 思路 ：用 gridToGraph(grid) 默认配置（第六节）得到邻接表，再跑模板二求 0 到 total-1 的最短代价。
- 使用 ：gridToGraph （第六节，默认即此题）+ 模板二（见第四节）。Heap 见上文。
js
var minCost = function (grid) {
if (!grid.length || !grid[0].length) return 0;
const graph = gridToGraph(grid); // 第六节，默认 dirMap 与 getWeight 即此题
return Dijkstra(graph, 0, graph.length - 1); // 模板二，见第四节
};5. 787. K 站中转内最便宜的航班
- 链接 ：LeetCode 787 - K 站中转内最便宜的航班
- 题目介绍 ：n 个城市，航班列表
flights[i]=[from, to, price]。求从src到dst的最便宜价格 ，且最多经过 k 站中转（即最多 k+1 条边）。不存在则返回 -1。 - 示例 ：
n=4, flights=[[0,1,100],[1,2,100],[2,0,100],[1,3,600],[2,3,200]], src=0, dst=3, k=1→ 输出700（0→1→3，两段，价格 100+600）。 - 思路 ：建邻接表后调用模板三 ，
maxStep = k + 1，返回前将Infinity转为 -1。 - 使用 ：模板三（见第五节）。Heap 见上文。
js
var findCheapestPrice = function (n, flights, src, dst, k) {
if (n <= 0) return -1;
if (src < 0 || src >= n || dst < 0 || dst >= n) return -1;
const graph = new Array(n).fill(0).map(() => []);
for (const [from, to, price] of flights) graph[from].push([to, price]);
const minDist = Dijkstra(graph, src, dst, k + 1); // 模板三（第五节）：Dijkstra(graph, start, target, maxStep)
return minDist === Infinity ? -1 : minDist;
};九、小结
| 需求 | 用法说明 |
|---|---|
| 单源到所有点 | 模板一，返回 dp[] |
| 单源到某点 | 模板二，弹出 target 时返回 dp[target] |
| 最多 K 步/边 | 模板三，dp[i][step]，先更新终点答案再判断 curStep===maxStep continue |
| 路径最大边最小 | 松弛用 Math.max(cur, weight)，堆仍最小 |
| 路径概率最大 | 松弛用乘法，堆用最大堆，dp 初始 0、起点 1 |
| 网格 0/1 边权 | 用 gridToGraph 转邻接表，再套模板二 |
核心 ：Dijkstra = BFS + 优先队列 + distTo；同一套堆和循环结构，通过松弛公式 和状态维度 （是否带 step）适配不同题。网格题先用网格转邻接表再选对应模板