路径规划算法学习Day1

前言

---

解决最短路径问题的算法有很多，Dijkstra算法是其中最为有效的一种。
它是于1959年荷兰计算机科学家EDsger Dijkstra提出的：能够解决----“单结点——>所有结点”间的最短路径问题。

Dijkstra算法

一、基本思想

首先以某一结点（源结点）作为出发点，在与其相连且尚未被加入的结点里，选择加入离出发点距离最短的结点，并且通过新加入的结点更新出发点到其它结点的距离。如此重复加入新结点，直到所有结点都被加入为止。

二、定义

—s:源结点，例如结点a;
—d(j):从源结点到目的结点j的当前最短路径;
—p(j):从源结点到目的结点j的最短路径中，结点j的前继结点（也就是j前面那个点）;
—k:新加入的结点；

例一：找出结点a到其它结点的最短路径

初始化

1.选择源结点为a;
2.k=a,即新加入的结点为a
3.d(a)=0,对于其他结点j,d(j)=∞;
4.p(a)为起始符号 （例如*），对于其它结点j，p(j)为空；

算法详解

第一次循环：
1.更新距离：d(b)=3<∞ d©=8<∞ d(d)=5<∞;
2.加入结点b：d(b)在未加入结点中最小；
3.k=b;
4.更新b的前继结点：p(b)=a;
表格表示为：

第二次循环：
(由于更新b为前继结点，所以从b出发+a到b的距离再与其它距离比较得出最短距离）
1.更新距离：d(f)=10(3+7<∞) d©=8(3+5<∞）
2.加入结点d：d(d)在未加入结点中最小；
3.k=d;
4.更新d的前继结点：p(d)=a;
表格表示为：

第三次循环：
1.更新距离：d(g)=9(5+4<∞) d©=7(5+2<8）
2.加入结点c：d(d)在未加入结点中最小；
3.k=c;
4.更新c的前继结点：p©=d;
表格表示为：

第四次循环：
1.更新距离：d(e)=15(7+8<∞) d(f)不变 (7+5>10);
2.加入结点g：d(g)在未加入结点中最小；
3.k=g;
4.更新g的前继结点：p(g)=d;
表格表示为：

第五次循环：
1.更新距离：d(i)=13(5+4+4<∞) d(e)不变 (9+6=15);
2.加入结点f：d(f)在未加入结点中最小；
3.k=f;
4.更新f的前继结点：p(f)=b;
表格表示为：

第六次循环：
1.更新距离：d(h)=16(10+6<∞) d(e)不变 (10+5=15);
2.加入结点i：d(i)在未加入结点中最小；
3.k=i;
4.更新i的前继结点：p(i)=g;
表格表示为：

第七次循环：
1.更新距离：d(j)=19(13+6<∞) d(e)=14 (13+1<15);
2.加入结点e：d(e)在未加入结点中最小；
3.k=e;
4.更新i的前继结点：p(e)=i;
表格表示为：

第八次循环：
1.更新距离：d(h)=15(14+1<16) d(e)=14 (13+1<15);
2.加入结点h：d(h)在未加入结点中最小；
3.k=h;
4.更新h的前继结点：p(h)=e;
表格表示为：

第九次循环：
1.更新距离：d(j)=17(15+2<19)
2.加入结点j：d(j)在未加入结点中最小；
3.k=j;
4.更新j的前继结点：p(j)=h;
表格表示为：

最短路径：
1.所有结点均被加入，算法结束；
2.d(i)为从结点a到任意结点i的最短路径的距离；
3.通过回溯p(i),可确定结点a到任意结点i的最短路径；

期待大家的点评，代码会在后面博文中给出，敬请期待！