Algorithm 迪克斯特拉’；s最短路径算法

下面是我们的教授给我们的算法总结

步骤3中提到的图中节点的父节点是什么？我有点困惑，因为我认为节点只有邻居而没有父节点

我的第二个问题是关于第3步，“在堆栈中拾取索引的第条记录”。由于堆栈只允许您查看顶部，我不确定拾取索引的第条记录意味着什么

Dijkstra的最短路径：

Step 0: if s == d, stop.
Step 1: current node c= s, c.length = 0, stack.push (c, its length, and parent). 
        If u is the source s then no need for parent.
Step 2: min = 0, hop = infinite, index = 1
Step 3: pick up the index’th record in stack, say node u, its length u.length, 
        and its parent w.
Step 4: find a neighbor of u in the table of neighbors, say v, such that v is 
        not found in any item in stack and <u,v> +u.length< hop. 
Step 5: if such a neighbor is found, hop=min=u.length + <u,v> and record_node = v
Step 6: go to step 4 until all the neighbors of u have been tried (all can be 
        found in stack).
Step 7: index ++, go to step 3 until all the nodes have been tried (found in 
        stack).
Step 8: c = record_node, c.length = min, stack_push(c, c.length, u). If c == d 
        stop the entire process and goes to step 9 for data collection, 
        otherwise go to step 2.
Step 9: (t, d.length, and t.parent) = (d, d.length, and d.parent) in stack, 
        keep searching on (t.parent, t.parent.length, t.parent.parent), 
        until t.parent = s.

步骤0：如果s==d，则停止。
步骤1：当前节点c=s，c.length=0，stack.push（c，其长度和父节点）。
如果u是源s，则不需要父级。
步骤2:min=0，hop=无穷，index=1
步骤3：提取堆栈中索引的第条记录，比如节点u，其长度u.length，
它的父母w。
第四步：在邻居表中找到一个u的邻居，比如说v，这样v就是
在堆栈和+u.length

也许可以帮你

我强烈建议大家只需在互联网上浏览一下，就可以更好地解释这个算法。它是当今导航软件最常用的算法——每个主要的导航公司都使用它（可能还有小公司）。它也被用作游戏中的寻路算法

---

在图中，节点只有邻居，但在运行Dijkstra算法时，您会构建一棵“树”，描述从起始节点到原始图中所有节点的最短路径

在算法运行开始时，所有节点都将其前置节点设置为null，并且在每次迭代中，将父节点设置为通向最短路径的节点

看看这个，注意算法的结果实际上是图的一个子树

---

希望回答您的问题：）

父节点指的是路径上的节点，比您当前正在检查的节点早一步。换句话说：路径是一个有向图，其中除第一个和最后一个节点外，每个节点的顺序为2（即，它通过边连接到其他两个节点）。节点的父节点是该节点的前置节点

---

关于堆栈：可能这不是一个真正的堆栈，只是一个将节点推到其上的结构；然后可以索引此结构上的所有节点，而不仅仅是顶部的节点。但是我同意，stack不是一个好的词汇选择。

你有没有试着和你的教授讨论过这些问题？既然他给了你这个算法，他可能会解释得最清楚。是的，我问过了。不幸的是，语言障碍导致了一个问题。我希望对算法有深入了解的人能够识别出他想要传达的内容。谢谢。太可怕了（我指的是总结）。在Wikipedia页面或类似的资源中了解算法，这里没有详细描述。算法本身并不难掌握，有很好的解释。你看过这里了吗？