diff --git "a/docs/blog/posts/\345\237\272\344\272\216\346\220\234\347\264\242\347\232\204\350\267\257\345\276\204\350\247\204\345\210\222.md" "b/docs/blog/posts/\345\237\272\344\272\216\346\220\234\347\264\242\347\232\204\350\267\257\345\276\204\350\247\204\345\210\222.md"
new file mode 100644
index 0000000..54be771
--- /dev/null
+++ "b/docs/blog/posts/\345\237\272\344\272\216\346\220\234\347\264\242\347\232\204\350\267\257\345\276\204\350\247\204\345\210\222.md"
@@ -0,0 +1,53 @@
+# 基于搜索的路径规划
+
+## 1. 图搜索基础
+
+### 1.1 配置空间
+
+一个n维空间，其中每一个点代表一个机器人的位姿
+
+>在配置空间中规划
+![在配置空间中规划](https://picgo-1257309505.cos.ap-guangzhou.myqcloud.com/20241010110244.png)
+
+### 1.2 图搜索
+
+1. 构建graph
+   - 栅格地图： 天然就是一个graph
+   - PRM: 随机采样点，然后连接成图
+
+2. 图搜索主循环
+    - 维护一个容器存储所有待访问的节点
+    - 容器初始节点为start
+    - 循环
+      - pop 
+      - expansion
+      - push
+    - 结束循环
+
+### 1.3 启发式搜索
+
+存储节点，根据启发式函数排序
+
+   - 贪心搜索： $f(n) = h(n)$
+   - A*搜索： $f(n) = g(n) + h(n)$
+   - Dijkstra： $f(n) = g(n)$
+
+启发式函数：$h(n)$ 估计从n到goal的代价
+   - 曼哈顿距离
+   - 欧几里得距离
+   - 切比雪夫距离
+
+
+## 2. Dijkstra和A*算法
+
+### 2.1 Dijkstra算法
+
+$g(n)$: 从start到n的最少代价
+
+![](https://picgo-1257309505.cos.ap-guangzhou.myqcloud.com/20241010112711.png)
+
+### 2.2 A*算法
+
+![](https://picgo-1257309505.cos.ap-guangzhou.myqcloud.com/20241010113458.png)
+
+!!! note Admissible启发式函数：$h(n) \leq h^*(n)$
\ No newline at end of file