Python 在矩阵中递归宽度优先搜索，最快路径（时间将花费在每个矩阵点上）

考虑下面这个矩阵，我应该从一个给定点（用户输入）移动到另一个点（用户输入）。例如，它可以是海洋[1][1]到海洋[2][4]。我需要找到到达终点的最短路径。现在，通过实现BFS可以很容易地解决这个问题。但在这种情况下，事情并不是那么简单。考虑矩阵中的每个点，它们每个都有不同的值。

我要驾驶一艘船从起点到终点。对于矩阵中的每个点，我有不同的风况，这将导致船在某些点行驶更快，在其他点行驶较慢。每个点的速度，以及通过一个点所需的时间，取决于我进入这些点的方向

这意味着在实际测试时，我只能知道通过一个点的时间，而不是从一开始

说到这里，我的目标不再是寻找“最短”的路径，而是最快的路径

此外，还需要考虑另一个变量。我可以在8个方向移动，水平、横向和垂直（北、东北、东、东南等）。水平移动为sqrt（2）个移动单位，其他方向移动=1个移动单位

因此，计算在一个点上花费的时间，你可以选择你进入该点的方向（知道你移动了多少单位）以及该点的速度（根据风况计算）

为了找到最快的路径，我应该使用“递归宽度优先搜索”，这是作为一个指令给出的

我知道如何编写BFS以找到最短路径，但我不知道从何处开始编写递归BFS，以及如何考虑所有变量（时间等）

关于我在哪里可以收集这方面的信息，有什么提示吗？另外，对于这一点，递归BFS听起来是一种合乎逻辑的方法吗

这是一个示例矩阵：考虑所有具有“0”的点，它具有不同的值（通过该点所需的时间）。

---

可以将矩阵表示为图形（必要时展开节点数），然后使用查找最短路径。 我说的是最短路径，因为如果你也定义了你的图和它的节点的权重，计算最快路径就等于计算最短路径

使用Bellman Ford，您还可以在节点上设置负权重（例如，对于那个些可以提高速度的节点），否则您可以使用或BFS的一个变体作为加权图

ocean =[[0,0,0,0,0,0], 

        [0,0,0,0,0,0],

        [0,0,0,0,0,0],

        [0,0,0,0,0,0],

        [0,0,0,0,0,0],

        [0,0,0,0,0,0]]