基于dijkst算法的路径规划的代码

以下是基于Dijkstra算法的路径规划的Python代码示例，假设我们有一个地图数据集合`graph`，其中包含节点之间的连接关系和权值信息：

import heapq

def dijkstra(graph, start, end):
    # 初始化起点到所有节点的距离值
    distances = {node: float('inf') for node in graph}
    distances[start] = 0
    
    # 初始化起点到所有节点的路径
    paths = {start: []}
    
    # 初始化未访问的节点集合
    unvisited = [(0, start)]
    heapq.heapify(unvisited)
    
    while unvisited:
        # 取出距离起点最近的节点
        current_distance, current_node = heapq.heappop(unvisited)
        
        # 如果当前节点已经被访问过，跳过
        if current_distance > distances[current_node]:
            continue
        
        # 遍历当前节点的所有相邻节点
        for neighbor, weight in graph[current_node].items():
            # 计算从起点到当前相邻节点的距离值
            distance = current_distance + weight
            
            # 如果计算出来的距离值比已有的距离值更小，更新距离值和路径
            if distance < distances[neighbor]:
                distances[neighbor] = distance
                paths[neighbor] = paths[current_node] + [current_node]
                heapq.heappush(unvisited, (distance, neighbor))
    
    # 返回从起点到终点的最短路径
    return paths[end] + [end]

这段代码中，我们使用了优先队列来存储未访问的节点，这样可以保证每次选取距离起点最近的节点时，时间复杂度为O(logN)。另外，我们使用了字典来存储节点之间的距离值和路径信息。在遍历节点的相邻节点时，我们计算出从起点到当前相邻节点的距离值，并且更新距离值和路径信息。最终，我们返回从起点到终点的最短路径。