路径规划算法之Dijkstra算法

概念都是参考此篇文章：全局路径规划算法——Dijkstra算法（含python实现 | c++实现

Dijkstra算法

1、简介

迪杰斯特拉算法(Dijkstra)是由荷兰计算机科学家狄克斯特拉于1959 年提出的，因此又叫狄克斯特拉算法。是从一个节点遍历其余各节点的最短路径算法，解决的是有权图中最短路径问题。
它的主要特点是以起始点为中心向外层层扩展(广度优先遍历思想)，直到扩展到终点为止。它是图搜索算法的一种。

2、算法思想

1. 设G=(V,E)是一个带权图，V为节点集合。通过Dijkstra计算图G中的最短路径时，需要指定一个起点(假设为D，即从顶点D开始计算)。
2. 此外，引进两个点集S和U。初始时S中只有一个起点，S的作用是记录已求出最短路径的节点(以及相应的最短路径长度)；而U则是记录还未确定最短路径的节点(以及该节点到起点D的距离)。
3. 初始时，数组S中只有起点D，而数组U中是除起点D之外的节点集合，并且数组U中记录各节点到起点D的距离。如果节点与起点D不相邻，距离设为无穷大。
4. 然后，从数组U中找出路径最短的节点K，并将其加入到数组S中；同时，从数组U中移除节点K。接着，更新数组U中的各节点到起点D的距离。
5. 重复第4步操作，直到遍历完所有节点。

3、实例

视频链接：最短路径查找法——Dijkstra算法
有如下图，0为起点，4为终点，各边上的数值为权重。

先看总结：

​ 1、每次从未标记的节点中选择距离出发点最近的节点，标记，收录到最优路径集合中。

​ 2、计算刚加入A的邻近节点B的距离（不包含标记的节点），若（节点A的距离+节点A到节点B的边长）< 节点B的距离，就更新节点B的距离和前面点。）

• 开始：出发点列代表上面的点集S，前面点列代表上面的点集U。
  
• 首先，节点0自己到自己的距离肯定是0，更新相应的值，随后检查所有节点中距离最短的点，当然是0自己本身，把0标为最优路径中的节点。

• 接着，更新节点0相邻的节点的距离，即为0到节点1和节点7的距离，分别是4和8，更新出发点0到节点1和节点7的距离，并将节点0作为节点1和节点7的前面节点。
  
• 在未标记的节点中寻找距离出发点最小的节点，发现是节点1，标记节点1。并收录进最优路径节点中。
  
• 尝试更新新标记的节点1的邻近节点，分别是节点2和节点7，节点1到节点2的距离为8，如果从起始节点0，经由节点1到达节点2为最优路径的话，那么0到1到2的距离为12，小于$\infty$，如下图2，更新表中的数据，并将节点2的前面节点记为1。
  
  
• 接着来看节点7，起始点0经由节点1再到节点7的距离是15，大于起始点到节点7本来的距离，所以不更新表中数据。

• 在未标记的节点中寻找距离最小的节点，是节点7。标记节点7，并收录最优路径中。

• 接着尝试更新邻近节点，分别是节点8和节点6，起始点0经过节点7到达节点8的距离是15，到达节点6
  的距离是9，更新表中数据，并将节点8和节点6的前面点更新为节点7。

• 接下来循环上面类似步骤，一直到目标点被标记。

• 从未被标记的节点中选出距离出发点最近的节点----节点9，更新节点6临近节点的距离，到节点5的距离为11，小于$\infty$,更新表中数据。而从出发点到节点6，到达节点8的距离为15，与表中原数据相等，不更新数据。

• 同样的步骤，节点5的临近节点为节点2、节点3和节点4，距离分别为15、25和21，节点2不更新，更新节点3和节点4的相应数据，不更新节点2。

• 表中最短距离变为节点2，相邻的节点为节点8和节点3（节点5已经被标记），更新对应的数据为14和19，更新两者对应的节点数据，并将两者的前面点设为2。

• 然后最短路径节点是8，周围节点都已经被标记，无需更新。

• 尝试更新节点3的邻近节点-----节点4，19+9=28>21，不更新。

• 最终标记节点4。

• 最后到达节点4的最短路径是21，根据表中前面数据一项回溯回去，4$\to$ 5$\to$ 6$\to$ 7$\to$ 0。

• Dijkstra是从一个顶点到其余各顶点的最短路径算法，节点边都有各自不同的权重，但必须是正数，如果有负数，则需要Bellman-Ford算法；如果想要求任意两点之间的最短路径，那就需要Floyd算法。

4、Matlab演示

以下是matlab中Dijkstra算法的演示。
来自：路径规划算法