最短路径：笔试通关

▌ 技术引导
最短路径是笔试通关的必杀技，别跟我说什么算法理论，我见过太多人死在最短路径题上，因为没搞懂怎么用真实工具快速调试。最短路径问题的本质是图结构上的优化，但实际笔试中，它往往是在给定输入输出格式下，用代码跑出最优解。关键不是写出正确算法，而是写出能通过所有测试用例的代码。2024年之后，很多笔试题开始引入更复杂的图结构，比如动态变化的权重、负权边甚至带时间戳的节点。这时候单纯用Dijkstra或者Floyd是不够的，必须结合具体场景调整策略。比如，当图是稀疏的时候，使用堆优化的Dijkstra会比普通的队列更高效；当图存在负权边，Bellman-Ford才是你的底牌。我会直接告诉你，在什么情况下用什么算法，怎么用，甚至怎么用Python内置库来加速调试。

▌ 技术参考

一 2024-2026年笔试题中，最短路径问题的呈现方式与以往不同，题目给出的数据规模往往超出常规算法的时间复杂度预期。因此，必须根据输入特征选择最优解法。如果图是稠密的，优先使用Floyd-Warshall算法，时间复杂度是O(n³)，在n≤500时仍然可行。如果是稀疏的，优先使用堆优化的Dijkstra，复杂度为O(m + n log n)，其中m为边数。当图中有负权边，但没有负权环时，Bellman-Ford是唯一能保证正确性的算法，尽管时间复杂度是O(nm)，但在某些笔试场景中，如节点数n≤1000，仍然可以勉强通过。

二 Python中的heapq模块是处理Dijkstra的核心工具，但需要特别注意其默认实现是非递减的堆结构。在实际写法中，优先用优先队列存储节点，每次提取距离最小的节点。例如，heapq.heappush(heap, (distance, node))和heapq.heappop(heap)是基础操作。2025年出现的某些题目，要求输出最短路径的前驱节点，这时候必须维护一个prev数组，记录每个节点的上一个节点。如果图是静态的，可以预处理所有边，用邻接表结构存储，这样访问效率更高。同时，要设置合理的初始距离值，如用float('inf')表示未访问节点，初始源点设为0。

三 2026年阿里笔试题中，有一道是关于动态图的最短路径，节点权重随时间变化。这种情况下，传统的Dijkstra无法处理，必须采用更高级的算法，如动态规划或者更新策略。例如，在每轮更新中，只要权重变化幅度不超过某个阈值，可以使用A算法结合启发式函数加速搜索。遇到这种情况，需要仔细阅读问题描述，判断是否需要嵌套循环处理时间维度。如果权重是随机的，可能需要采用随机化策略，或是使用最小生成树的变体。此外，某些题目会故意安排大顶堆，这时候用heapq反而会出错，必须手动实现堆结构或用第三方库替代。

四 在处理大规模图数据时，除了选择正确的算法，还要注意数据结构的优化。例如，使用双向链表或数组存储邻接表，能显著提高访问速度。2025年字节笔试中，要求处理一个包含10万+节点的图，这时候用邻接矩阵是不现实的，必须用邻接表。另外，对于带有负权边的图，Bellman-Ford算法需要遍历n-1次，每次遍历所有边。这种情况下，如果边数m特别大，比如超过20万条，用正常循环反而会超时，这时候可以尝试用SPFA算法代替，其平均时间复杂度接近O(m)。但SPFA的最坏情况还是O(nm)，因此在笔试中如果遇到这种题，建议优先使用SPFA，并在代码中加入判断，如果发现环则直接返回-1。

五 2024年美团笔试中，有一道题要求输出所有最短路径的数量，这时候不仅要考虑最短路径的长度，还要记录路径的条数。这类题目通常会利用动态规划的方式计算路径数，例如，dist数组记录最短距离，count数组记录到达该节点的路径数。在实现时，必须确保在更新距离时，如果发现新距离等于当前最短距离，就将路径数加到count中，否则替换。同时，要考虑到图可能含有重复路径，这时候需要避免重复计算。如果图是稀疏的，使用BFS优化的Dijkstra会更高效，而稠密的图则需要考虑是否能够用Floyd-Warshall结合路径矩阵处理。

六 在实际笔试中，最短路径问题常见的陷阱是数据读取错误和初始化问题。例如，有些题目输入是带权有向图，但选手可能误以为是无向图，从而在建图时遗漏反向边。此外，某些题目可能要求输出路径，而选手只关注距离，导致最后无法通过测试用例。2026年腾讯笔试中，就出现过边权为0的情况，这时候Dijkstra无法正确处理，因为堆会把0权重的边压到后面，导致无法及时更新最短路径。此时，必须使用优先队列的变体，或者将边权为0的边单独处理。还有些题目会给出非常大的数值范围，这时候要确保使用的数据类型不会溢出，比如用int64代替int32，或者在Python中直接使用整数类型。

七 2025年华为笔试题中，给出的图是带时间戳的，即每条边有生效时间。这种情况下，不能直接使用Dijkstra，而是需要按时间顺序处理边。比如，如果某条边在t=5时才生效，那么在时间t<5时，不能使用这条边。这时候必须将图分解为按时间分层的结构，或者在每次更新时判断当前时间是否满足边的条件。此外，某些题目中的边权不是整数，而是浮点数，这时候需要考虑精度问题，比如使用二分查找或动态规划时，要确保计算误差在允许范围内。如果题目没有说明权重范围，建议使用double类型处理，并在输出时保留足够的小数位。

八 在处理最短路径问题时，性能是关键。例如，对于n=1000的图，使用Floyd-Warshall算法可能需要300万次运算，这在Python中会导致超时。这时候必须使用优化策略，比如只计算有向边，或者利用二维数组的特性进行剪枝。2026年滴滴笔试中，就出现过这种情况，要求计算所有点对之间的最短路径，但时间限制非常严格。这时候，可以使用矩阵乘法优化Floyd-Warshall，将时间复杂度降低到O(n³ log n)。当然，这种优化方式对初学者来说难度较高，所以必须提前练习。此外，对于某些特定图结构，比如二分图，可以使用BFS结合层级遍历的方式快速找到最短路径。

九 在某些笔试题中，最短路径的起点和终点是动态变化的，这需要选手具备动态调整算法的能力。例如，2024年头条笔试中，要求在不同时间点查询起点到终点的最短路径，这时候必须使用Dijkstra的变种，或者将整个图构建为一个时间轴结构。此外，有些题目会要求输出路径的字典序最小，这时候需要在遍历过程中记录路径字符串，并在每一步比较字典序。但这种做法会增加时间和空间复杂度，必须在题目允许范围内使用。例如，如果题目要求输出路径的长度和字典序，那么必须使用DFS或BFS记录所有可能路径，再筛选出最优解，这在n较大的情况下会非常耗时。

十 2025年百度笔试题中，有一道是关于图的最短路径，但数据是以字典形式给出的，这时候需要手动处理输入格式。例如，有些题目会给出节点之间的边列表，但选手可能误将列表视为邻接矩阵，从而导致数据结构错误。另外，有些题目会要求在内存限制下处理图数据，这时候必须使用流式读取方式，避免一次性加载大文件。例如，在读取边的时候，可以逐行处理，每行构造邻接表的一部分，而不是全部读入内存。此外，某些题目会给出边的权重为负数，这时候要确认是否允许负权边的存在，如果允许且没有负权环，则可以使用Bellman-Ford，否则要考虑其他方式。

十一 2024年之后，最短路径问题开始出现混合类型，比如结合广度优先搜索和动态规划。例如，有些题目会给出一个带有权重的图，但要求最短路径的边数最少，这时候不能直接使用Dijkstra，而是要使用BFS的变种。这种情况下，将权重视为边数的计数器，每次更新距离时，同时记录边的数量。另外，有些题目会要求同时输出距离和路径，这时候需要维护一个prev数组，记录每个节点的前驱节点。例如，在Dijkstra中，当发现更短路径时，更新prev数组，这样在最后输出路径时，可以通过回溯prev数组得到完整路径。但要注意，如果图中有多个路径长度相等的情况，必须选择字典序最小的路径，这时候需要在比较过程中加入路径字符串的处理。

十二 在处理最短路径问题时，要注意边界条件。例如，有些题目中节点数可能为0，这时候必须确保代码不会崩溃。另外，某些题目中的边权可能是无穷大，这时候要正确处理，避免出现错误。2026年某大厂笔试中，有一个题目要求计算两个节点之间的最短路径，但给出的图可能不连通。这时候必须在算法中加入连通性检查，比如在Dijkstra中，如果某个节点从未被访问过，说明无法到达。此外，在某些题目中，可能会要求输出所有最短路径，这时候要确保算法不会遗漏任何可能的路径。例如，使用DFS或BFS遍历所有可能的路径，再筛选出长度最小的那些。这种方式在n较大的情况下可能效率低下，但必须根据题目要求进行调整。

十三 2025年某公司笔试中，出现了一道图像最短路径的问题，要求将图形转化为邻接表后进行算法处理。这种情况下，必须用正确的数据结构存储图，比如使用邻接列表。例如，在Python中可以用字典存储邻接表，每个节点对应一个列表，存储其相邻节点和权重。例如：graph = { 'A': [('B', 1), ('C', 3)], 'B': [('A', 2)] }。这种结构在处理大规模数据时非常高效，但要注意初始化时的性能问题。此外，某些题目会要求输出路径的中间节点，这时候必须在算法中记录路径信息，比如使用一个数组保存每个节点的前驱节点，最后通过回溯得到完整路径。如果题目没有说明路径的输出格式，则要根据样例判断是否需要输出中间节点。

十四 在某些笔试题中，最短路径问题可能涉及到图的动态更新。例如，2026年某平台笔试中，给出一个图，边的权重会随着时间变化，这时候必须使用动态最短路径算法，比如使用Dijkstra的每次更新方式。例如，当权重变化时，可以重新构建图，或者用更智能的方式调整算法。此外，某些题目可能要求在某个时间点达到最短路径，这时候需要结合时间戳和边的权重进行处理。例如，如果某条边在t=5时才生效，那么在时间t<5时，不能使用这条边。这种情况下，可以将图按时间分层，或者使用事件驱动的方法处理。

十五 最短路径问题的笔试部分，最让人头疼的是测试用例的隐藏陷阱。比如，有些题目会给出一个看似合法的图，但实际存在环路导致无限循环。这时候必须确保算法能够检测到这种情况，比如在Bellman-Ford中判断负权环的存在。此外，某些题目会故意设置边权为负数，但不允许负权边，这时候需要选手特别注意，避免误判。2026年某笔试题中，给出的边权是负数，但要求只能使用正权边，这时候必须在读取边的时候，过滤掉负权边。如果题目没有说明，则必须仔细阅读，否则很容易踩坑。