图的定义
一个图含有(n)个点，(m)条边。其中每条边连接两个点。记所有点组成的集合为(V)，所有边组成的集合为(E)。如果图上的边有规定方向，即只能从某个点走向另外一个点，那么称整个图是有向图。如果所有的边没有方向的限制，称为无向图。一般的，在储存图的时候，需要指明方向，对于无向图而言，直接当作有两个有向边即可。
图的储存
常见的储存方式有两种，一种是邻接矩阵，一种是邻接表。邻接矩阵的储存方式就是对于一条边，如果他是从(u)走向(v)长度为(w)，那么就直接记(d[u][v] = w)即以二维数组的方式记录(u)到(v)的边的长度。显然如果整个图有(n)个点，那么整个数组的大小就是(n^2)。
在某些情况下，比如点数很多而边数比较少的时候，以邻接矩阵的方式储存整个图会有大量的位置上的值没有意义，即两个点之间并不直接相连的时候，权值是无意义的。那么为了避免大量的空间的浪费，可以使用邻接表的方式储存整张图，邻接表的思想就是记录每个点出发直接相连的点有哪些。在实际的实现中，以C++为例，C++的STL中有一个结构是vector，他的作用是可变长的数组，即可以直接把一个元素插入到这个序列的末尾，那么在最开始可以给所有点开一个vector，假如有某个点是(u->v)那么就向(u)位置上的vector的末尾后面插入一个元素v。代码类似如下：
vector<int> Edge[N];// N个点，给每个点开一个vector
//1 通过某个边连向了一个点 2
Edge[1].push_back(2);// push_back表示将某个元素插入这个vector的末尾
那么，这种储存方式，只能储存对应的点的标号是谁，还不能储存权值，我们不妨把上面vector里的元素类型从单个的int换成一个二元组(pair<int,int>)以{编号，权值}的方式就可以一并存进去了：
Vector<pii> Edge[N];
// 1通过一个权值是3的边连向了一个点 2
Edge[1].push_back({2,3});
最短路问题
既然我们已经解决了图的储存问题，那么现在可以回到最开始的时候提出的问题，如何求出某些情形下的“最短路”的问题。具体而言，最短路问题可以分成下面两种分别解决。
单源最短路
单源最短路问题指的是，固定一个起点，求从这个起点出发，走到图上任何点上的最短的距离是多少。解决这个问题有两种算法，一种是dijkstra，一种是bellman-ford及其优化spfa。
先来说dijkstra，dijkstra算法的过程是贪心的过程：首先记(dist[i])表示从(1-i)的最短距离是多少，其次记两个点的集合S和T，其中S表示已经算完了(dist[i])的点的集合，T表示不在S集合里的点。为了方便这里记起点的编号是(1)，那么显然有(dist[1]=0)，其次起点一定一开始就在集合S里了，也就是说一开始S集合就包含一个点(1)，T集合里包含点(2-N)。
在最开始的时候，我们只知道(dist[1]=0)，且与(1)直接相连的若干个点的编号，和他们之间的相连的边的权值，于是我们就可以推出来这些相连的点的(dist[])的值，显然就是他们相连的边的权值。其次我们可以发现说，在这些直接相连的点中，存在某一个点(u)，满足他的(dist[u])小于其他所有点的值，并且这个点(u)的(dist[u])一定已经是最小的了，也就是说这个(u)与起点的最短距离已经求好了，(u)可以从T集合中删掉，并加入S集合。之后我们可以如法炮制，第二次拿这个(u)当作第一步时的起点，拿他去更新与他直接相连的点的距离。如此可以抽象一下我们的算法过程：
（1）找到当前(dist[i])最小的一个点(i)，并且(i)不在集合S中。
（2）拿(i)去更新与他直接相连的(j)的(dist[j])，也就是(dist[j] = dist[i] + cost(i,j))其中(cost(i,j))表示(i)到(j)的边的权值。
（3）把(i)从T集合中删掉，并且加入到S集合中。
我们的这个算法如果要保证正确性，那么每次第一步取出来的点(i)它的(dist[i])必须要保证是最小的，也就是说当前的取出来的这个点(i)其实已经可以放到集合S里去了才可以。那么我们上面最开始介绍这个过程的时候，显然第一步，只有起点的时候是满足的，其次第二步找到的点也是满足这个性质的，那么如果说整个过程都是正确的，其实也就是要归纳证明一下每一步取出来的点都是可以直接放到S集合中去的。那么显然归纳的第一步是正确的，第二步就是假设取出来的前(k)个点都满足他们的(dist[i])一定是最小的，要能推出来下一个取出的(k+1)的从起点走到他的距离也得满足是最小的，那么通过上面的算法过程我们可以知道，假如说第(k+1)次第一步取出来的点是(v)的话，那么显然(dist[v])一定是某个属于前(k)步取出来的某个点更新过来的，就是说有某个点(u)他是前(k)步被拿出来的，并且做了一步(dist[v] = dist[u] + cost(u,v))的。假如说这个(dist[v])并不是最小的，也就是违反了我们的规律的话，那么他一定是经过了某个不属于前(k)步取出来的点(g)算出来的，也就是有某个不属于前(k)步的点(g)，他有(dist[v] = dist[u] + cost(u,v) > dist[g] + cost(g,v))也就是说从(u)走到(v)的距离比从(g)走到(v)的距离要严格大，但是根据之前所说的定义，既然(g)不属于前(k)步取出来的点，那么就一定有(dist[u] < dist[g])否则(g)应该属于前(k)个取出来的点之中，很显然不可能有某个(cost(g,v))满足加上(dist[g])之后还能比(dist[u])要小，除非他是负数，只要整个图上权都是正数，那么这个条件就一定是不满足的，也就是产生了矛盾，我们通过上面的算法过程取出来的每一个点，都一定有(dist[v])是最小的。
那么既然第一步不会选择已经选择过的点，只要每个点都被取出过一次，也就说明所有点的(dist[i])都已经达到了最小，自然整个算法过程也就结束了，下面给个不一定正确的代码说明：
// dist[i]表示从1走到i的最短距离，假如没有这样的路径，则记为正无穷
// st[i]表示i是否属于S集合，也就是这个点有没有被第一步拿出来
void dijkstra()
{
dist[1] = 0;
for(int i = 2;i <= n;++i) dist[i] = INF;//除了起点1之外的所有点初始的距离都是正无穷
for(int i = 1;i <= n;++i)
{
int t = -1;
for(int j = 1;j <= n;++j)
if(!st[j] && t == -1 || dist[t] > dist[j])
t = j;
if(t == -1) break;//假如说已经找不到这样的点t了就直接退出。
// 找到最小的dist对应的点t
for(auto& _ : Edge[t])
{
// 遍历从t走出去的所有的点，以及对应的边的权值
int v = _.first,w = _.second;// v表示对应的点的编号，w表示边的权值
if(dist[v] > dist[t] + w)
{
dist[v] = dist[t] + w;
}
}
st[t] = 1;// 标记上t，即把t加入到S集合中
}
//执行完毕后，dist[i]就表示从1走到i的最短距离
}
关于dijkstra算法的正确性，必须要保证每个点第一次取出来的时候他的(dist[i])是最小的，这个正确性基于说不存在一个点(g)到这个点的距离有负数，因为在正数的时候，必然构成一个三角形两边之和大于第三边，所以就保证了不存在这样的路径更短，但是假如说存在负权边，情况就不是这么简单的了，因为负权边意味着我走负权边的时候距离会减小，这样就不满足三角形的说法了。这个时候dijkstra算法的正确性就被破坏掉了，必须选择其他的算法，常用的是bellman-ford算法，他基于三角不等式以及松弛。具体来说，如果某个从(u->v)权值是(w)的边有(dist[v] > dist[u] + w)那么执行(dist[v] = dist[u] + w)的话可以让(dist[v])变得更小并且显然正确。那么这里就有一个猜想：假如说整个图上的最短路都已经求好了，是否说对于所有的边都有(dist[u] leq dist[v] + w)，并且反过来，如果所有边都有(dist[u] leq dist[v] + w)是否就说明所有的(dist[i])都已经求好了呢，也就是问所有的边都满足三角不等式的这个条件是否是任意的(i)对应的(dist[i])都已经达到最小的充要条件。
现在来简单说明一下：假如说所有的(dist[i])都已经求好了，显然不可能有某个边对应的(dist[v] > dist[u] + w)，因为你一定可以把这条边松弛，也就是拿右边的值赋给(dist[v])就能让(dist[v])变得更小了。反过来如果所有的边都已经满足三角不等式了，是否对于任意的(dist[i])就没有变小的机会了呢？这里可以从一个宏观的角度上猜测，既然所有的边都已经满足三角不等式了，也就是说所有的(dist[i])都不存在一个机会能变得更小了，那么也就是说对于所有的(dist[i])都不可能变小了。接下来说明一下他的算法流程并附加的说明后面这个反推的过程：
首先还是跟dijkstra一样，我们一开始只知道(dist[1]=0)，所有其他点都是正无穷。那么我们尝试给图上所有的边进行松弛，也就是遍历一下图上的所有边，去看一下是否有(dist[v] > dist[u] + cost(u,v))，如果有就拿右边的去覆盖左边的。但是我们可以发现说第一步尝试对所有边松弛的时候，除了与起点直接相连的点，其他的点由于(dist[i]=)正无穷，根本就不会产生松弛，也就是说只有与起点直接相连的点会产生松弛，也就是更新他们的(dist[i])。
这里我们可以先抛出一个结论：第一步尝试对所有边进行松弛之后，只有与起点直接相连的点(dist)会变小，也就是从正无穷变成一个正常的数值，也就是说现在求的的(dist[i])是与起点相连，并且只经过一条边的能得到的距离。
那么继续，在得到了直接相邻的点的(dist)之后，我们再次尝试一下对所有的边进行松弛，这个时候我们就可以尝试更新不是与起点直接相连的点的距离，而是通过了一个直接相连的点连接之后的点的距离了，其实也就是求：与起点直接相连，并且最多只经过两条边得到的最短的距离。
往后我们可以推出一个结论：假设我们把这个遍历所有边尝试松弛的操作执行(k)轮，那么此时得到的(dist[i])就表示，从起点出发，最多经过(k)条边的前提下，走到(i)的最短的距离是多少。那么最多需要执行多少轮呢？如果一个图有(n)个点，那么起点最多需要走(n-1)条边走到最远的那个点，这个时候整个图构成一个链状，也就是说我们的尝试对所有边松弛的操作最多也只需要执行(n-1)次就可以求出所需的(dist[])了。当然，如果某次过程中发现已经没有任何一条边可以拿来松弛了，算法可以提前结束。
但是，假如说这个图上存在一个负环，也就是有一个环路，整个环路的权值之和是负数，这种情况极其特殊，在这种情形下，不存在最短路，因为任何路径，只要能走到一个环路上，就可以通过这个环路不停地把(dist[i])缩小，一直转圈使距离变小。那么在这种情况下，不存在一个时刻，图上所有的边都满足三角不等式（因为还可以缩小），假如bellman-ford算法在执行了(n-1)轮之后，仍然没有使所有的边都满足三角形不等式，那么这个时候也就说明存在一个负环。
以下也许是可以拿来参考的代码：
int dist[N];
struct __edge
{
int u,v,w;
}edge[N];
int n,m,k;
int BF()
{
memset(dist,0x3f,sizeof dist);
dist[1] = 0;
while(k--)
{
for(int i = 0;i < m;++i)
{
int u = edge[i].u,v = edge[i].v,w = edge[i].w;
dist[v] = min(dist[v],dist[u]+w);
}
}
if(dist[n] > 0x3f3f3f3f/2) return -1;// 这里表示起点走不到终点，因为终点可能和某个负权边相连导致dist[n]缩小
// 进而就有dist[n] != 0x3f3f3f3f，于是这里就判断是不是比正无穷的一半大，如果大那么就认为是正无穷
// 只不过是被负权边松弛挖掉了一点而已。
return dist[n];
}