每天, 从路径依赖到有点不确定性环境下“选择路径”：从搜索结果中找到最相关的答案，从复杂系统中找到最优方案，从数据中找到价值。而这一切背后，隐藏着一位荷兰科学家在20分钟内写下的灵感：Dijkstra算法。
☕ 起源：20分钟的灵感
1956年的某天，计算机科学家 Edsger Dijkstra 坐在阿姆斯特丹一家咖啡馆。他的任务是为城市间的路线编排写程序。为了找到两地之间的最短路径，他在纸上画下了城市与路线的网络，想到了一个逐步更新最短路径的方法。
就这样，一个图算法的传奇诞生了。
“这个算法太简单，不值得写论文。”——这是他后来听到的评语。
但谁能想到，这段被低估的“简单思维”，竟成为后世数不尽的导航、调度、搜索系统的基础。
💻 Java代码：让路径可见
Dijkstra算法本质上是：从一个起点开始，逐步找到所有点的最短路径。
以下是Java实现的核心代码：
public class Dijkstra {
static class Edge {
int to, weight;
Edge(int to, int weight) {
this.to = to;
this.weight = weight;
}
}
static class Node implements Comparable<Node> {
int id, dist;
Node(int id, int dist) {
this.id = id;
this.dist = dist;
}
public int compareTo(Node other) {
return Integer.compare(this.dist, other.dist);
}
}
public static int[] dijkstra(List<List<Edge>> graph, int start) {
int n = graph.size();
int[] dist = new int[n];
Arrays.fill(dist, Integer.MAX_VALUE);
dist[start] = 0;
PriorityQueue<Node> pq = new PriorityQueue<>();
pq.offer(new Node(start, 0));
while (!pq.isEmpty()) {
Node node = pq.poll();
int u = node.id;
for (Edge edge : graph.get(u)) {
int v = edge.to;
int newDist = dist[u] + edge.weight;
if (newDist < dist[v]) {
dist[v] = newDist;
pq.offer(new Node(v, newDist));
}
}
}
return dist;
}
它可以快速计算从某个起点出发，到其他所有节点的最短距离——无论是城市导航、网络路径，还是AI决策。
🚀 应用场景：从地图到AI
| 应用领域 | 作用说明 |
|---|---|
| 地图导航 | 如 Google Maps 中计算路线 |
| 网络路由 | 如 OSPF 协议中用于自动计算网络路径 |
| 游戏角色路径规划 | 控制角色移动到目标位置 |
| 操作系统调度 | 资源调度与任务安排的最短耗时路径 |
| AI决策系统 | 提供“最优策略路径”，用于模拟、导航和资源规划 |
🤖 在AI中的价值：不只是“路径”，更是“思考”
虽然今天的AI靠的是大模型、神经网络和算力，但Dijkstra的价值远未过时。
在这些场景中，它依然闪耀：
- 强化学习中的路径价值评估
- 图神经网络中的结构特征提取
- 机器人与自动驾驶中的实时路径导航
- 搜索引擎或推荐系统中的关联关系挖掘
它甚至可以用作启发式策略的一部分，帮AI做出“更聪明”的选择。
🧠 人生的Dijkstra
如果把人生看作一张复杂的图——每一个选择、每一条路、每一段努力，都指向未知的未来。
Dijkstra算法告诉我们：
只要一步步更新，不贪心，不回头，总有一天，我们会找到那条通往最远梦想的最短路径。
在这个追求“复杂智能”的时代，我们更应铭记Dijkstra算法的本质——
简单而精准，稳定而高效。
它是一种思维方式，一种计算的哲学，一种AI世界里不可忽视的“古典智慧”。
