有没有比python中的networkx更有效的方法来计算最短路径问题？

我用networkx和single_source_dijkstra在加权图上计算从一个源到一个目标的最短路径

然而，我遇到了内存问题

有没有更有效的计算方法？Networkx的替代方案？请参阅我的代码：

   cost, shortestpath = nx.single_source_dijkstra(graph, startpointcoords, secondptcoords,cutoff=10000000)

---

显然networkx的A*算法效率更高。然后，我用我发布的dijkstra算法计算出结果路径的长度。

也许可以尝试使用其他算法？您的图形可能有太多的顶点，但边很少，在这种情况下，您可以在networkX中使用Bellman Ford

Bellman\u Ford\u path（）

另一个解决方案是使用另一个python包，例如，答案有不同的可能库

---

最后一个解决方案是实现您自己的算法！也许是Gabow的算法，但您必须非常高效，例如，通过使用numpy和numba

双向dijkstra算法应该会产生显著的改进。这是

一个很好的类比是在3D中：将一个气球放置在点x处，并将其展开，直到它到达点y。你放入的空气量与它们之间距离的立方成正比。现在在每一点上放一个气球，并充气，直到它们接触。空气的总体积只有原来的1/4。在更高的维度中（这与大多数网络更相似），减少的次数甚至更多