大规模图上 Dijkstra 如何优化
哪些公司问过
答案要点
- 基本复杂度:二叉堆 O((V+E) log V),要求非负边权
- 堆优化与懒删除,压缩邻接数组提升缓存命中
- 点对点查询提前终止、双向 Dijkstra 缩小搜索空间
- A* 用不高估的启发函数引导方向
- 预处理分层(如 Contraction Hierarchies)、图分区、并行 Delta-stepping
易错点
- 只说换斐波那契堆,忽略实际常数和工程优化
- A* 用了会高估的启发函数,导致结果不是最短路
- 双向搜索在两边第一次相遇就停止,没有正确判断终止条件
面试官常见追问
- A* 的启发函数需要满足什么条件?
- 为什么 Dijkstra 不能处理负权边?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。