最近学的图论算法整体来说理解还是好理解的，因为学的东西都有之前学过知识的影子，比如dp或者是贪心算法，图论算法就是以图为结构，点与点之间连通，通过循环控制进行求解。图论算法里边最重要的也是最短路径问题，这个问题有很多的算法可以来解决不同的问题，各有利弊。
1、Floyed算法也就是暴力枚举，通过把两个点之间拉长后，两个距离进行比较，然后互相替换，但这个算法是3重循环，对于大数据的求解可能会超时，（一定会超时），所以基本不推荐这个算法，但是比较好理解。
2、Dijkstra算法利用的是二重循环，时间复杂度n2，内容大概是，每一次循环都将所有的点重新重置一遍，但是每一次都可以使最初的点成为最后正确的最小值点，虽然时间复杂度减小了，但是问题是不可以处理负边权的情况，条件有所限制。
3、Bellman-Ford算法可以处理负边权情况，但是无法处理负边权回路情况，条件限制。核心思想和Sijkstra算法大致相同，之后详解。
4、SPFA算法是时间复杂度最小的，也是比较好用的一种求解方法，这个思想和广度搜索大致相同，但区别是点在出队列后可能回到队列中继续求解。
这些算法除了第一个是暴力求解外，都是通过一个dis保存距离，还有指针进行指向对应的位置。
明天的比赛要加油呀！！！
