Algorithm 为什么要使用Dijkstra'；如果广度优先搜索（BFS）可以更快地完成同样的事情，那么s算法呢？

两者都可用于从单个源查找最短路径。BFS在

O（E+V）

中运行，而Dijkstra在

O（（V+E）*log（V））中运行

此外，我还看到Dijkstra在路由协议中使用了很多类似的方法

因此，如果BFS可以更快地完成同样的事情，为什么要使用Dijkstra算法呢？
Dijkstra允许为每一步分配除1以外的距离。例如，在路由中，距离（或权重）可以通过速度、成本、偏好等进行分配。然后，该算法将为您提供从源到遍历图中每个节点的最短路径

同时，BFS基本上只是在每次迭代中用一个“步骤”（链接，边缘，任何你想在你的应用程序中调用它）来扩展搜索，这恰好可以找到从你的源（根）到达任何给定节点所需的最小步骤数的效果。由于节点上的权重（距离），它们使用Dijkstra算法

如果你考虑所有节点之间的相同距离，那么BFS是更好的选择。
例如，考虑<代码> a>（b，c）->（f）< /> >由<代码> > A-＞B < /代码>＝10，<代码> A> C> <代码>＝20，<代码> B> F>代码>＝代码> C-> F>代码>＝5。
这里，如果我们应用BFS，答案将是ABF或ACF，因为两者都是最短路径（关于边的数量），但如果我们应用Dijstra，答案将是ABF，因为它考虑了连接路径上的权重。
Dijkstra算法


类似于加权图的BFS
如果所有成本相等，Dijkstra=BFS

来源：
从实现的角度来看，Dijkstra的算法可以通过将
队列
替换为
优先级队列
来实现，就像BFS一样

关于这一点有一个困惑，可以使用改进的BFS算法在加权有向图中找到最短路径：

使用优先级队列而不是普通队列
不跟踪访问的节点，而是跟踪与起始节点的距离
因为2，一些节点将被访问一次以上，这使得它比Dijkstra效率更低

shortest=sys.maxsize
队列=[（0，src，0）]
排队时：
（成本、节点、跃点）=heapq.heapop（队列）
如果节点==dst：
最短=最小（距离，最便宜）
对于边[节点]中的（节点到，节点到距离）：
heapq.heappush（队列，（成本+节点距离，节点到，跳数+1））
两者都会产生相同的结果，即两个顶点之间的路径，但只有dijkstra会保证最短路径。@jmcorter9t顺便说一句，您的注释似乎是已接受答案的第二条注释。但我想你是说谢谢你的更正。在这个链接的答案中，应该是被接受答案的第二条评论：尽管如此，这是真的吗？如果路径的成本较小，Dijkstra将重新访问节点。BFS不会重新访问节点。所以从技术上讲，交换队列和优先级队列的唯一区别并不完全相同。这是不正确的，实现是完全不同的。Dijkstra从完全初始化的优先级队列开始，除了起始节点外，所有顶点的距离都等于无穷大。BFS以包含起始节点的队列开始。