Python 两点之间的最短路径

我已经找到了许多算法和方法，讨论如何找到两点之间的最短路径，但我遇到的情况是，数据建模为：

[(A,B),(C,D),(B,C),(D,E)...] # list of possible paths

如果我们假设我需要从A到E的路径，结果应该是：

(A,B)=>(B,C)=>(C,D)=>(D,E)

---

但是我找不到一个类似蟒蛇的方法来做这个搜索

如果将点视为图中的顶点，将对视为图中的边，则可以为边图边指定等于点之间距离的权重

这样设计你的问题就是经典

---

你要求用一种类似蟒蛇的方式来写它。我给出的唯一建议是将图形表示为一个字典，这样每个键都是一个点，返回的值是从该点可以直接访问的其他点的列表。这将加快遍历图形的速度<代码>图形[C]->[B，D]对于您的示例。

python方法是使用模块（如果存在）。在这种情况下，我们知道，有没有，我们可以写

实施

import networkx as nx
G = nx.Graph([('A','B'),('C','D'),('B','C'),('D','E')])
path = nx.shortest_path(G, 'A', 'E')

输出

zip(path, path[1:])
[('A', 'B'), ('B', 'C'), ('C', 'D'), ('D', 'E')]

---

下面是一个使用*的解决方案：

pip安装公式==0.2.8

import pyformulas as pf

transitions = [('A', 'B'), ('B', 'C'), ('C', 'A'), ('C', 'F'), ('D', 'F'), ('F', 'D'), ('F', 'B'), ('D', 'E'), ('E', 'C')]

initial_state = ('A',)

def expansion_fn(state):
    valid_transitions = [tn for tn in transitions if tn[0] == state[-1]]
    step_costs = [1 for t in valid_transitions]

    return valid_transitions, step_costs

def goal_fn(state):
    return state[-1] == 'E'

path = pf.discrete_search(initial_state, expansion_fn, goal_fn) # A*
print(path)

输出：

[('A',), ('A', 'B'), ('B', 'C'), ('C', 'F'), ('F', 'D'), ('D', 'E')]

---

你能描述一下你想使用的算法吗？如果是这样的话，用一种类似蟒蛇的方式来写应该不会太难。如果不是，用python的方式写它是（a）不可能的，（b）不是你应该尝试解决的问题。你在课堂上讨论了什么算法？我假设你做过BFS。那你为什么不试一试呢？BFS需要一个图，但在这种情况下，我只有一个元组列表。你的元组列表是一个图。如果需要不同的图形表示，请将其转换。转换相当简单。