【巨量坐标点路径距离最短新探索】

目录

一、前言

二、思路

三、实现

三、小结

---

一、前言

   多点路径距离最短问题是一个提出很久的课题，实际应用范围很广，快递配送方面、无人机运输投送，线路安排、点位分配等，最短距离的探索与研究成果可转化为实际应用，目前已经有很多成熟的算法，本文将从另一个思路，对100万虚拟坐标点，结合实际需求，进行最短距离的探索，分享与大家参考。

二、思路

1、随机生成100万个坐标点，供测试，因数据太大，使用 pickle 格式来保存生成的100万个数据，升序排列，格式【x,y,m】代表x、y坐标值和该点位名称，x、y值范围均是0至1000，保留两位小数。

def test_all(n,url):  # 生成虚拟数据 
    val=[[int(random.random()*100000)/100,int(random.random()*100000)/100,int(1+i)] for i in range(n)]
    pd.DataFrame(sorted(val)).to_pickle(url)

2、因点位数量太大，结合快递投递的实际情况，对这100万个坐标位置进行分组，便于分配给相应的投递站，本文以大约每组100个坐标点的设想，进行分组，各组坐标点均按顺时针顺序排序后保存于另一个 pickle 文档中，供后续程序使用。

def fenzu_pickle(url,to_url):    #以Pickle方式读取总表数据、分组、再保存  
    list_A=pd.read_pickle(url).values.tolist()
    list_B = [[] for _ in range(10000)]
    for s in list_A:
        n=int(s[0]/10)*100+int(s[1]/10)
        list_B[n].append(s)
    list_B_1=[shun(s) for s in list_B if len(s)>0]   # shun(s) 是顺时针排列的自定义函数
    pd.DataFrame(list_B_1).to_pickle(to_url)

3、求各组中所有坐标点