为什么以及如何通过机器人学习编程和项目实践

编程语言有很多，算法应用场景也很丰富，通过机器人学习编程的优势在哪里？

仿真：零成本测试算法
真机：实际环境中直观展示算法

代码语言：txt复制

机器人项目实践

机器人编程

深度优先搜索Depth First Search (DFS)

伪代码形式Pseudocode：

代码语言：javascript复制

DFS-iterative (G, s):                                   //Where G is graph and s is source vertex
      let S be stack
      S.push( s )            //Inserting s in stack 
      mark s as visited.
      while ( S is not empty):
          //Pop a vertex from stack to visit next
          v  =  S.top( )
         S.pop( )
         //Push all the neighbours of v in stack that are not visited   
        for all neighbours w of v in Graph G:
            if w is not visited :
                     S.push( w )         
                    mark w as visited


    DFS-recursive(G, s):
        mark s as visited
        for all neighbours w of s in Graph G:
            if w is not visited:
                DFS-recursive(G, w)

很抽象，对不对。其大概意思是：

DFS的这种递归性质可以使用堆栈来实现。基本思想如下：

选择一个起始节点并将其所有相邻节点推入堆栈。

从堆栈中弹出一个节点选择下一个要访问的节点，并将其所有相邻节点推入堆栈。

重复此过程，直到堆栈为空。但是，请确保已标记访问的节点。这将防止多次访问同一节点。如果未标记访问的节点，并且多次访问同一节点，则可能会陷入无限循环。

还是很抽象？

代码语言：txt复制

DFS的工作方式图示

好像能看懂这个算法了，但是依然不清楚这个算法有啥用啊……为啥要学这个？？？

路径规划（Path Planning）

但是如果通过机器人导航中路径规划案例切入这类算法，就会非常清晰的了解这些算法的背景。

代码语言：txt复制

路径规划示意图

当想机器人沿着每条路径到达终点并在终点找到“目标”时，深度优先搜索是一个不错的选择。由于算法没有均匀地覆盖每条路径，因此效果可能不太理想，但是，如果目标在列的中间，可以找到它而无需搜索每条路径，因此效率更高。发现“目标”的速度比使用BFS（Breadth First Search，广度优先搜索，）更快，在计算上也将更加容易。如果只有一个目标，可能会很好，但是如果有多个目标/路径，可能会错过较短的“最佳”路径。

如下所示：