您可以将Djikstra的算法视为注水算法（即修剪的广度优先搜索）。在每个阶段，目标都是以尽可能最低的成本覆盖整个图表。假设您在填充区域的边缘有一个顶点，并按照距离列出了它们：

v0 <= v1 <= v2 <= v3 ...

可能有一种更便宜的到达顶点的方法v1吗？如果是这样，则该路径 必须
经过v0，因为没有未经测试的顶点会更近。因此，您检查顶点v0以了解到达的位置，检查通过任何路径v0是否更便宜（到任何其他顶点仅一步之遥）。

如果以此方式解决问题，则可以确保距离都是最小的，因为您始终会精确检查可能导致最短路径的那个顶点。找到最短路径，或者排除最短路径，然后移至下一个顶点。因此，您可以确保每步消耗一个顶点。

而且您停止时不做任何多余的工作，因为当目标顶点占据“我是最小的” v0插槽时，您会停止。

让我们看一个简单的例子。假设我们正在试图从获取1到12的乘法和节点之间的成本是你必须乘以数量。（我们将顶点限制为从1到的数字12。）

我们从开始1，然后乘以该值即可到达任何其他节点。因此，如果您一步一步执行，则节点2具有成本2，3具有成本3，…
12具有成本12。

现在，如果存在从到的免费链接，则2可以通过（不知道结构的）路径12最快。没有，但是如果有，那将是最快的。所以我们检查一下。而且我们发现我们可以达到cost
，to for 等等。因此，我们有一个成本表，如下所示：2``12``2``4``2``6``3

3  4  5  6  7  8  9 10 11 12 // Vertex
3  4  5  5  7  6  9  7 11  8 // Best cost to get there so far.

好了，现在也许我们可以得到12从3免费的！更好地检查。我们发现，3*2==6这样的成本6是成本3加2，并9为正3，而且12是加4。

4  5  6  7  8  9 10 11 12
4  5  5  7  6  6  7 11  7

很公平。现在我们进行测试4，我们看到我们可以付出8额外的努力2，并12付出额外的努力3。同样，到达的成本12不超过4+
3= 7：

5  6  7  8  9 10 11 12
5  5  7  6  8  7 11  7

现在我们尝试5和6迄今为止–no改进。这给我们留下了

7  8  9 10 11 12
7  6  8  7 11  7

现在，第一次，我们看到越来越到的成本8是 少 比让到的成本7，所以我们最好检查有没有一些免费的方式去12从8。没有-用整数根本无法到达-
因此我们将其丢弃。

7  9 10 11 12
7  8  7 11  7

现在，我们看到这12和剩下的任何一条路一样便宜，因此到达的成本12必须是7。如果我们到目前为止一直跟踪最便宜的路径（仅在严格改善的情况下才替换路径），我们会发现这3*4是第一种最便宜的命中方法12。