用于在未加权有向图中查找两个节点之间的最短路径的最有效（Big O）算法
Most efficient (Big O) algorithm for finding the shortest path between two nodes in an unweighted directed graph
我正在寻找最有效的算法，根据大 O 表示法，在未加权的有向图中找到两个节点之间的最短路径。
我主要分为 Dijkstra 的堆和呼吸优先搜索，如果图形被加权，我通常会使用它。
未加权的图是否使 Dijkstra 在这种情况下的使用效率低于 BFS？
根据Wikipedia、
单源最短路径
- BFS -
O(V + E)
- Dijkstra（带列表）-
O(V²)
- Dijkstra（修改后的二叉堆）-
O((E+V)logV)
- Dijkstra（使用 Fibonacci 堆）-
O(E + VlogV) - Fredman & Tarjan 实现
- Dijkstra（使用 Fibonacci 堆）-
O(EloglogV) - Johnson、Karlsson 和 Poblete 实现
A* 的时间复杂度取决于启发式算法。在无界搜索的最坏情况下space，扩展的节点数在解的深度（最短路径）上呈指数增长d：O (bd)，其中b是分支因子（每个状态的平均后继数）。
选择最适合你的。
在一般情况下，对于未加权图中（无论是有向还是无向）的单源、单目的地最优最短路径，没有已知算法可以胜过广度优先搜索。
但是，如果您有特殊情况，可以提供可接受的启发式算法，则可以使用 A* 搜索实现更高效的搜索。
我正在寻找最有效的算法，根据大 O 表示法，在未加权的有向图中找到两个节点之间的最短路径。
我主要分为 Dijkstra 的堆和呼吸优先搜索，如果图形被加权，我通常会使用它。
未加权的图是否使 Dijkstra 在这种情况下的使用效率低于 BFS？
根据Wikipedia、
单源最短路径
- BFS -
O(V + E) - Dijkstra（带列表）-
O(V²) - Dijkstra（修改后的二叉堆）-
O((E+V)logV) - Dijkstra（使用 Fibonacci 堆）-
O(E + VlogV)- Fredman & Tarjan 实现 - Dijkstra（使用 Fibonacci 堆）-
O(EloglogV)- Johnson、Karlsson 和 Poblete 实现
A* 的时间复杂度取决于启发式算法。在无界搜索的最坏情况下space，扩展的节点数在解的深度（最短路径）上呈指数增长d：O (bd)，其中b是分支因子（每个状态的平均后继数）。
选择最适合你的。
在一般情况下，对于未加权图中（无论是有向还是无向）的单源、单目的地最优最短路径，没有已知算法可以胜过广度优先搜索。
但是，如果您有特殊情况，可以提供可接受的启发式算法，则可以使用 A* 搜索实现更高效的搜索。