偷一份算法導論 dj 算法的僞代碼：
DIJKSTRA(G, w, s)
1 INITIALIZE-SINGLE-SOURCE(G, s)
2 S ← Ø
3 Q ← V[G] //V*O（1）
4 while Q ≠ Ø
5 do u ← EXTRACT-MIN(Q) //EXTRACT-MIN，V*O（V），V*O（lgV）
6 S ← S ∪{u}
7 for each vertex v ∈ Adj[u]
8 do RELAX(u, v, w) //鬆弛技術，E*O（1），E*O（lgV）。當僅使用線性查找算法實現 EXTRACT-MIN 時，查找的時間複雜度爲 O(V)，所以很垃圾，直接導致最後結果出現 O(V^2)，這不太好。
有些人用最小堆（優先隊列）來實現 EXTRACT-MIN，企圖把 O(V^2) 降低到 O(VlogV) 會有一個問題：
當使用鬆弛技術時，會破壞最小堆的結構。有些人每次 EXTRACT-MIN 之前進行一次建堆操作，但這實際上又引入了 O(V) 的單次查找複雜度，比線性查找只慢不快。
所以我們需要一個算法把最小堆的結構恢復過來。這在 Q 中建立 elem 到 index 的映射，以便每次 RELAX 知道我們碰了誰，然後進行局部恢復，保持 O(logV) 的單次查找複雜度，但是這樣的缺點是需要用到優先隊列內部封裝的結構，而且維護索引的常數開銷也很大，特別是 Java PriorityQueue 這種輪子唾手可得時，我們不願意去自己寫一個最小堆（就是懶）
但是換個角度，我們可以這樣操作：
RELAX 後，立即將節點插入 Q 中。u = EXTRACT-MIN(Q) 後如果 u 是 visited，那麼跳過它。
這樣等價於 “每次鬆弛後維護了 Q 的結構”，缺點是 Q 會變得龐大起來，每次查找是 O(logE)，考慮到 E <= V^2 ，O(logE) ~ O(logV) ，還不算太壞。循環的次數也會增多，但是如果碰到 visited == true 就會很快進入下一循環，可以認爲O(logE)因子仍然是 O(V)，因爲跳過循環時不進行 O(logE) 的循環內操作。