Question

我希望在Python中实现一个Ant Colony Optimization算法，虽然它是Python和面向对象编程的新手，所以学习曲线相当陡峭。此时，我对如何解决以下情况感到困惑：

当蚂蚁在2D网格中走动时，它们会遇到障碍物，其他蚂蚁的信息素沉积物，食物等。我用什么数据结构来表示这个2D世界以及每个细胞的上述属性？

我曾尝试过2D数组，认为array[x-coord][y-coord]可以指向具有相应属性{} (dictionary)的{{1}}。不幸的是，尽管NumPy允许我创建一个2D数组，但我无法将字典对象分配给各种坐标。

(Obstacle: 'Yes / 'No', Pheromone Level: X %, etc.)

返回：

from numpy import *

myArray = array([[1,2,3,4],
                 [5,6,7,8],
                 [9,10,11,12]])

myArray[2][2]={}

我没有致力于字典或这个实施这个项目的范例，并且肯定会欣赏该组织的智慧。

Answer 1

确定你可以，你只是不知道你的dtype是否为int ...所以使用对象制作你的数组并且你可以使用对象......

In [43]: a = [[{},{},{}],[{},{},{}]]

In [44]: a = numpy.array(a)

In [45]: a[1][1] = {'hello':'world','something':5}

In [46]: a
Out[46]:
array([[{}, {}, {}],
       [{}, {'hello': 'world', 'something': 5}, {}]], dtype=object)

虽然不确定你会不会使用numpy对象，但你可能最好把它留作列表列表

Answer 2

在普通的Python中，我会选择list-of-dicts方法，但是对于NumPy，我发现使用不同属性的单独数组更自然，而不是试图将事物保存在一个结构中。

import numpy as np

grid_shape = (120,80)

# example of random initialization with this grid shape
pheremone_level = np.random.rand(*grid_shape)
obstacle = np.random.rand(*grid_shape) > 0.8

正如@bitwise所说，它完全取决于你想要执行的操作。通常，NumPy中的“正确”方式将更接近于在Matlab中编写它而不是非NumPy Python。不幸的是，我不熟悉蚁群优化的工作方式，所以我不能说什么更合适。

Answer 3

我一直在寻找与结构化2D网格有关的内容，而google将我带到了此页面。

尽管我的解决方案与问题所要求的网格并不完全相关，并且我不想重复“结构化2D网格”数据结构的问题，但我在这里发布了我的解决方案。我希望它对搜索2D结构化网格并由搜索引擎重定向到此处的受众有用

注意：该方法仅返回单元顶点和每个单元的顶点连通性。通过添加其他例程，可以轻松生成应用所需的其他数量，例如细胞体积，细胞质心，外接圆，圆形等。

import numpy as np
import matplotlib.pyplot as plt

def create_structured_grid(corner1=None, corner2=None, nx=5, ny=5, plt_=True, annotate=True):
   """
   creates a structured grid of rectangular lattice

   input:
   ------
       corner1 : [x_start, y_start]
       corner2 : [x_end, y_end]
       nx      : numpts in x
       ny      : numpts in y
       plt_    : boolean whether to plot or not
       annotate: whether to annotate the grid points or not
   output:
   -------
       vertex_array : numpy.array((numpts, dim),dtype=float) of vertices
       connectivity : numpy.array((num_cells, 2**dim), dtyp=int) of
                   vertex connectivity for each cell
       plots   : additionally plots if boolean values are true
   """
   #corner1 = np.array([0.0, 0.0])
   #corner2 = np.array([1.0, 1.0])
   dim = len(corner1) #currently only for 2D,
   x_pts = np.linspace(corner1[0], corner2[0], nx)
   y_pts = np.linspace(corner1[1], corner2[1], ny)

   Xv, Yv = np.meshgrid(x_pts, y_pts)
   numpts = nx*ny
   vertex_array = np.zeros((numpts, 2), dtype=float)

   vertex_array[:,0] = np.reshape(Xv, numpts)
   vertex_array[:,1] = np.reshape(Yv, numpts)

   num_cells = int(nx-1)*(ny-1)
   connectivity = np.zeros((num_cells, int(2**dim)), dtype=int)

   rows = ny-1
   cols = nx-1
   for row in range(rows):
       for col in range(cols):
           num = nx*row + col
           connectivity[cols*row + col] = [num+0, num+1, num+nx, num+nx+1]

   if plt_:
       X,Y = vertex_array.T
       fig = plt.figure()
       ax = fig.add_subplot(111)
       ax.set_aspect('equal')
       plt.scatter(X,Y, marker='o', s=50, color='g', alpha=1.0)
       plt.plot(Xv,Yv, linewidth=2, color='k')
       plt.plot(Yv,Xv, linewidth=2, color='k')
       if annotate:
           for idx, cc in enumerate(vertex_array):
               plt.text(cc[0], cc[1],  str(idx), color='k', verticalalignment='bottom', horizontalalignment='right', fontsize='medium')
       plt.show(block=False)

   return vertex_array, connectivity

对函数的调用可以像这样：

c1 = np.array([0.0, 0.0])
c2 = np.array([1.0, 1.0])
vertices, connctivity = create_structured_grid(corner1=c1, corner2=c2, nx=4, ny=4)

vertices = array([[ 0.        ,  0.        ],
                  [ 0.33333333,  0.        ],
                  [ 0.66666667,  0.        ],
                  [ 1.        ,  0.        ],
                  [ 0.        ,  0.33333333],
                  [ 0.33333333,  0.33333333],
                  [ 0.66666667,  0.33333333],
                  [ 1.        ,  0.33333333],
                  [ 0.        ,  0.66666667],
                  [ 0.33333333,  0.66666667],
                  [ 0.66666667,  0.66666667],
                  [ 1.        ,  0.66666667],
                  [ 0.        ,  1.        ],
                  [ 0.33333333,  1.        ],
                  [ 0.66666667,  1.        ],
                  [ 1.        ,  1.        ]])
connectivity = array([[ 0,  1,  5,  6],
                      [ 1,  2,  6,  7],
                      [ 2,  3,  7,  8],
                      [ 4,  5,  9, 10],
                      [ 5,  6, 10, 11],
                      [ 6,  7, 11, 12],
                      [ 8,  9, 13, 14],
                      [ 9, 10, 14, 15],
                      [10, 11, 15, 16]])

2D网格的Python数据结构建议

3 个答案: