迪杰特拉斯算法参考文献

A. 𨱒ュ～涓浠介梾鍗峰惂锛屽栧姳50鍒嗭紒

鐜颁唬涓瀛︾敓镄勮＄畻链虹煡璇/搴旂敤鑳藉姏璋冩煡闂鍗
涓銆佸熀链淇℃伅
1銆佹偍镄勬у埆锛坅 锛塧.鐢 b.濂
2銆佹偍鏄锛坆 锛塧.鐞嗙戠敓b.鏂囩戠敓
3銆佹偍鎺ヨЕ璁＄畻链虹殑镞堕棿锛坈 锛塧.10骞翠互涓 b.5-10骞 c.2-5骞 d.2骞翠互涓
4銆佹偍鎺ヨЕ浜掕仈缃戠殑镞堕棿锛 c锛塧.10骞翠互涓 b.5-10骞 c.2-5骞 d.2骞翠互涓
5銆佹偍骞虫椂浣跨敤璁＄畻链轰富瑕佺敤浜庯纸澶氶夛级锛堟枃瀛楃紪杈戯纴鏁版嵁缁熻★纴鏀跺彂闾浠讹纴镵婂ぉ锛屽惉姝岋纴鐢靛奖锛岃祫鏂欙纴璁哄潧锛屾柊闂伙纴娓告垙锛屽︿範 锛
a.鏂囧瓧缂栬緫 b.鏁版嵁缁熻 c.锲惧儚澶勭悊 d.阔抽戝勭悊 e.缃戦〉鍒朵綔 f.锷ㄧ敾鍒朵綔 g.缂栫▼ h.鏀跺彂鐢靛瓙闾浠 g.镵婂ぉ h.钖姝 i.鐪嬬数褰 j.镆ヨ祫鏂 k.娉¤哄潧 l.鐪嬫柊闂 m.鐜╂父鎴 n.缃戠珯缁存姢 o.瓒呴 p.DIY/MOD q.榛戠珯 r.杈呭姪璁捐 s.瀛︿範
6銆佹偍鍦ㄥ钩镞剁殑瀛︿範/鐢熸椿涓瀵硅＄畻链虹殑渚濊禆锛坆 锛塧.楂 b.涓 c.浣 d.镞
浜屻佺煡璇嗛儴鍒
7銆佷互涓嫔悇钖嶈瘝涓鍙浠ョ粰鍑鸿︾粏銆佷弗璋ㄥ畾涔夋垨瑙ｉ喷链 abcdefg
8銆佷互涓嫔悇钖嶈瘝涓澶ф傜煡阆撴剰镐濈殑链 镞
9銆佷互涓嫔悇钖嶈瘝涓鍙鏄钖璇磋繃镄勬湁 h
a.E-mail b.鍐呭瓨 c.鏁版嵁搴 d.鍗氩 e.璐村惂 f.涓绘澘 g.DVD-ROM h.婵鍏夋墦鍗版満 i.MOSFET j.椤剁偣娓叉煋鍗曞厓 k.OPEN GL l.tRAS m.寮傛ヨ秴棰 n.杩灭▼婧㈠嚭婕忔礊 o.SQL娉ㄥ叆 p.鍒嗗竷寮忔嫆缁濇湇锷℃敾鍑 q.Cookie娆洪獥鏀诲嚮 r.鍏ヤ镜琛屼负妫娴嬬郴缁 s.杩𨱒扮壒𨰾夋柉绠楁硶 t.镙堟孩鍑
涓夈佽兘锷涢儴鍒
10銆佹偍镓鍏峰囩殑鑳藉姏链 abcd
a.浣跨敤web鎴栧㈡埛绔镡熺粌鏀跺彂鐢靛瓙闾浠禸.浣跨敤office鎴朩PS濂楄呯紪杈戞枃妗
c.浣跨敤office鎴朩PS濂楄呯粺璁℃暟鎹甦.浣跨敤office鍒朵綔骞荤伅鐗
e.浣跨敤FrontPage/Dream Waver鍒朵綔缃戦〉 f.浣跨敤Flash鍒朵綔2D锷ㄧ敾
g.浣跨敤3D Max鍒朵綔3D锷ㄧ敾 h.浣跨敤Cool Editor杩涜屾櫘阃氱殑阔抽戝勭悊
i.浣跨敤Cool Editor杩涜屼笓涓氱殑阔抽戝勭悊 j.浣跨敤PhotoShop杩涜屾櫘阃氱殑锲剧墖澶勭悊
k.浣跨敤PhotoShop杩涜屼笓涓氱殑锲剧墖澶勭悊 l.鎼寤哄熀浜嶹indows镄勫畨鍏ㄧ殑web链嶅姟鍣
m.鎼寤哄熀浜嶭inux镄勫畨鍏ㄧ殑web链嶅姟鍣 n.浣跨敤鑴氭湰璇瑷缂栧啓涓浜涘彲浠ュ簲浠樻棩甯稿簲鐢ㄧ殑绋嫔簭
o.浣跨敤楂樼骇/涓绾/姹囩紪缂栧啓涓浜涘彲浠ュ簲浠樻棩甯稿簲鐢ㄧ殑绋嫔簭 p.绠鍗旷殑镄勮蒋浠剁牬瑙
q.浣跨敤ASP/PHP/CGI缂栧啓缃戦〉绋嫔簭 r.杩涜屾暣绔椤畨鍏ㄦ祴璇 s.杩涜岀槠绠变唬镰佸垎鏋
t.鍐呯绣娓楅弖.镫绔嬫敀链 v.瓒呴

B. 迪杰斯特拉算法的本质是贪心还是动态规划

贪心是一种特殊的动态规划，动态规划的本质是独立的子问题，而贪心则是每次可以找到最优的独立子问题。
贪心和动归不是互斥的，而是包含的，贪心更快，但约束更强，适应范围更小。
动归和bfs的关系也是一样的。
展开一点讲，在求解最优化问题时，有多个解。而求解的过程类似一个树，我们称之为求解树。
一般的求解树真的是一棵树，所以我们只能用bfs来搜索，顶多剪枝。
有些特殊的求解树，中间很多结点是重合的，结点个数比所有搜索分支的个数少很多个数量级。这类问题较特殊，我们可以保存中间的搜索过程。而记忆化搜索和动态规划本质上就是一个东西，快就快在可以不用重复计算很多中间结果（所谓的最优子问题）。
还有一些特殊的求解树，更特殊，它们不止有很多重复结点，而且每次选择分支的时候，我们可以证明只要选择一个分支，这个分支的解就一定比其他选择更优。这类问题就是贪心了，
所以bfs，dp，贪心三个方法都是解决最优化问题的方法，根据问题的不同，约束越大的问题可以用越快的方法，越慢的方法可以解决的问题越普适。
动态规划的状态转移函数，可以抽象成这样一种函数：
f(x)=g(f(x1), f(x2), f(x3), ... f(xn))
其中f就是我们说的独立问题，每个f都有一个唯一值，也就是没有后效性。
贪心也是这个函数，但可以证明：
f(xi) >= f(x1|x2|...|xn)
那么我们就不用再去计算除了f(xi)以外的任何子状态了，所以就更快
而标准的bfs，虽然也有
f(x)=g(f(x1), f(x2), f(x3), ... f(xn))
但是因为对于任意的f(x)，它的子问题f(xi)的输入状态xi都不同（换一种思路也可以说f(xi)在不同的路径下值都不同，本质上是我们怎么定义xi，到底是狭义的参数还是广义的状态），所以无法使用内存去换取时间，就只能去遍历所有状态了。

C. 迪杰特斯拉算法和普里姆算法做法是不是类似的

不是，迪杰斯特拉算法是算一点到其他所有点的最短路径
普利姆算法是算最小生成树的。
普利姆算法是在已加入的集合上，长新的边，挑距离这个集合最短的（就是无论连到哪一点，只要连到这个集合上，距离最短）
地杰斯特拉每一步是挑距离欲求的点最短的点加入。

用自然语言描述很难说清，按照例子试一下吧。

D. 算法有五个方面的重要特征，包括输入，确定性，输出，能行性还有

算法有五个方面的重要特征包括有穷性、确切性、输入项、输出项、可行性。

1、有穷性（Finiteness）

算法的有穷性是指算法必须能在执行有限个步骤之后终止；

2、确切性（Definiteness）

算法的每一步骤必须有确切的定义；

3、输入项（Input）

一个算法有0个或多个输入，以刻画运算对象的初始情况，所谓0个输入是指算法本身定出了初始条件；

4、输出项（Output）

一个算法有一个或多个输出，以反映对输入数据加工后的结果。没有输出的算法是毫无意义的；

5、可行性（Effectiveness）

算法中执行的任何计算步骤都是可以被分解为基本的可执行的操作步骤，即每个计算步骤都可以在有限时间内完成（也称之为有效性）。

(4)迪杰特拉斯算法参考文献扩展阅读

1、迪杰斯特拉算法（又译戴克斯特拉算法）

这种图搜索算法具有多种应用方式，能够将需要解决的问题建模为图，并在其中找到两个节点间的最短路径。

2、RSA 算法

该算法由 RSA 公司的创始人们开发而成，使得密码学成果得以供世界上的每个人随意使用，甚至最终塑造了当今密码学技术的实现方式。

3、安全哈希算法

这实际上并不是真正的算法，而是由 NIST（美国国家标准技术研究所）所开发的一系列加密散列函数。然而，该算法家族对于世界秩序的维持起到了至关重要的作用。

4、比例微积分算法

该算法旨在利用控制回路反馈机制以最大程度控制期望输出信号与实际输出信号间的误差。其适用于一切存在信号处理需求的场景，包括以自动化方式通过电子技术控制的机械、液压或者热力系统。

5、数据压缩算法

很难确定哪种压缩算法的重要性最高，因为根据实际应用需求，大家使用的算法可能包括 zip、mp3 乃至 JPEG 以及 MPEG-2 等等。

E. 迪杰特斯拉算法怎么用lingo实现，在线等等等！！

假设10个城市，他们之间的距离结构如DATA部分所示，目的是找到城市1到城市10的最短路径。试试找到的这个代码。
MODEL:
SETS:

CITIES /1..10/: F;
ROADS( CITIES, CITIES)/
1,2 1,3 1,4
2,5 2,6 2,7
3,5 3,6 3,7
4,5 4,6
5,8 5,9
6,8 6,9
7,8 7,9
8,10
9,10/: D;
ENDSETS

DATA:
D =
1 5 2
13 12 11
6 10 4
12 14
3 9
6 5
8 10
5
2;
ENDDATA

F( @SIZE( CITIES)) = 0;
@FOR( CITIES( i)| i #LT# @SIZE( CITIES):
F( i) = @MIN( ROADS( i, j): D( i, j) + F( j))
);
END