假设我有一个数组，即Map。 Map[i][j]表示区域i和区域j之间的距离。在此定义下，我们得到：
a）Map[i][i]始终等于0。
b）所有Map[i][k] <= Map[i][j] + Map[j][k]的{{1}}
我想构建一个返回度量标准i,j,k的函数func(Map,k)，而D是从区域D[i][j]到区域i的路线的最短距离，并且此路线应至少穿过j个不同的区域。
这是我这样做的python代码：
k返回距离指标def func(Map,k):
n=len(Map)
D_temp = [list(x) for x in Map]
D = [list(x) for x in Map]
for m in range(k - 1):
for i in range(n):
for j in range(n):
tmp = [D[i][x] + Map[x][j] for x in range(n) if x != i and x != j]
D_temp[i][j] = min(tmp)
D = [list(x) for x in D_temp]
return D
func([[0, 2, 3], [2, 0, 1], [3, 1, 0]],2)
等于D
[[4, 4, 3], [4, 2, 5], [3, 5, 2]]等于D[0][0]，因为从4到area0且经过至少2个区域的最短路径是{area0-> {{ 1}}-> area0}，路线的距离为area1 + area0 = 2 + 2 = 4
想知道什么是最好的方法吗？
答案 0 :(得分：2)
您可以使用A *算法，将Map[i][j]用作启发法，以达到到目标节点的最小剩余距离（假设您说过，Map[i][j] <= Map[i][x] + Map[x][j]对于所有{{1} }。与常规A *的唯一区别是，您仅接受路径的最小长度为i,j,x的路径。
k相应地更改您的import heapq
def min_path(Map, k, i, j):
heap = [(0, 0, i, [])]
while heap:
_, cost, cur, path = heapq.heappop(heap)
if cur == j and len(path) >= k:
return cost
for other in range(len(Map)):
if other != cur:
c = cost + Map[cur][other]
heapq.heappush(heap, (c + Map[other][j], c, other, path + [other]))
以使用此func返回列表理解。
min_path这给了我def func(Map, k):
n = len(Map)
return [[min_path(Map, k, i, j) for i in range(n)] for j in range(n)]
res = func([[0, 2, 3], [2, 0, 1], [3, 1, 0]], 2)
的结果[[4, 4, 3], [4, 2, 3], [3, 3, 2]]或len(path) >= k的{{1}}的结果。