JavaScript Dijkstra算法是一種經典的計算最短路徑的算法，它可以在圖中尋找最短路徑，常用于路程規劃、數據路由等場景。

Dijkstra算法的核心在于使用一個優先隊列來維護待處理的節點，先處理與起點距離最短的節點。整個算法分為兩個步驟：路徑初始化和每次松弛操作。下面我們通過一個小例子來介紹一下具體的實現。

// 構建一個簡單的圖結構，使用鄰接表表示
const graph = {
start: { A: 6, B: 2 },
A: { finish: 1 },
B: { A: 3, finish: 5 },
finish: {}
};
// 初始化起點到其他節點的距離
const distances = {
A: 6,
B: 2,
finish: Infinity
};
// 初始化節點的前驅節點
const predecessors = {
A: 'start',
B: 'start',
finish: null
};
// 建立一個優先隊列，起點距離最小的放在隊首
const queue = ['B', 'A'];

上述代碼中，我們構建了一個簡單的圖結構，其中 start 表示起點，finish 表示終點，A、B 是中間節點。然后我們初始化了起點到其他節點的距離，起點到 A 的距離是 6，到 B 的距離是 2，到終點的距離是 Infinity，表示還未確定最短路徑。我們同時初始化了節點的前驅節點，都是起點。最后在建立一個優先隊列，起點距離最小的放在隊首，這里起點到 B 的距離最小，所以 B 在隊首。

接下來，我們來看一下每次松弛操作都做了哪些事情：

while (queue.length >0) {
const node = queue.shift();
const neighbors = Object.keys(graph[node]);
for (let i = 0; i< neighbors.length; i++) {
const neighbor = neighbors[i];
const distance = distances[node] + graph[node][neighbor];
if (distance< distances[neighbor]) {
distances[neighbor] = distance;
predecessors[neighbor] = node;
queue.unshift(neighbor); // 將已處理的節點放回隊列
}
}
}

首先，我們取出隊列中距離起點最近的節點。然后我們遍歷這個節點的所有鄰居，計算起點到鄰居的距離。如果這個距離比原來的距離更小，那么就更新距離和前驅節點。同時，我們將已經處理完的節點放回隊列，因為它有可能成為其他節點的鄰居，需要重新計算距離。

最后我們輸出起點到終點的最短路徑：

const path = ['finish'];
let lastNode = 'finish';
while (predecessors[lastNode] !== 'start') {
path.unshift(predecessors[lastNode]);
lastNode = predecessors[lastNode];
}
path.unshift('start');
console.log(path.join(' ->')); // 輸出 start ->B ->A ->finish

我們從終點依次向前走，直到回到起點。這樣我們就找到了一條從起點到終點的最短路徑。

Dijkstra算法的時間復雜度為 O(V^2)，其中 V 表示節點的個數。在稠密圖中，可以使用堆優化算法將復雜度降為 O(E log V)，其中 E 表示邊的數量。無論是哪種情況，Dijkstra算法都是求解最短路徑的經典算法之一。