2_Dijkstra’s Algorithm_宾夕法尼亚大学机器人运动规划专项课程【学习笔记（附 Dijkstra’s Algorithm 代码获取链接）】

1. 课程笔记

如上图所示，用节点代表村庄，用各边代表村庄之间的道路，用权重代表村庄之间的距离
注意：边权重非负
The goal is to find a path for the start node A to the end node E that minimizes the sum of the weights

首先用距离值0对起点进行标记，用红色表示节点已经被访问或处理；
然后，对节点A相邻的节点进行标记，这里是B、D、F节点，用蓝色表示当前正在讨论的、列表中的节点；
蓝色节点后面的数字表示起始点到该节点的最短路径长度

下次迭代，访问节点B，因为在所有蓝色节点中，B对应的距离最短

访问B的所有相邻点，发现点C路径长度为8，这是我们目前所知的去往节点C的最短路径。

下次迭代，访问节点D
当访问节点D的所有相邻节点时，发现有一条能到达节点C的更短的路径，即由D再到C，于是，将节点C的值更新为5

下次迭代，访问节点F
当访问节点F的所有相邻节点时，得到了一条抵达节点G的更短路径，于是，将节点G的值更新为9

下次迭代，访问节点C
当访问节点C的所有相邻节点时，我们发现，已经找到了一条抵达终点E的路径

在最后的迭代中，图表在E处构建结束

Dijkstra算法伪代码：

图中的节点有两个属性，一个是距离值，一个是父节点，用这些属性找到从终点开始回到起点的路；
每一次迭代，将选择列表中具有最小距离值的关联节点，并更新该节点的邻居（标记距离值和访问状态）；
一旦抵达终点，就可以通过将现在的终点设置为起点来重建路径，从每个节点不断移动到其父级，直至抵达起始节点。

该算法的计算复杂度与节点数量和各边上权重有关（节点数与距离值）

该算法的低级版本实现起来不难，但是计算复杂度会随着节点数量增加而呈现二次式的增加
通过使用优先级队列的数据结构，可以更巧妙地实现节点列表排序，将计算复杂度降低，使他增速更慢。

2. 其它参考学习资源推荐

一篇详尽易懂的关于Dijkstra算法的文章：路径规划—详解Dijkstra算法
【注意：这篇文章讲解的第六次以及第七次迭代过程有错误，我已经在该博主评论区留言更正】

3. 算法复现效果

这是我完成的该课程对应的作业情况：
在该作业指定的地图中：

在我自定义的地图中：

4. 代码资源获取

点击获取对应的MATLAB代码资源