上一篇博客介绍了Python访问街区所有节点最短路径问题,并结合matplotlib可视化, 这一篇博客也基于博友的提问,将介绍平面图中散落10个点,两两配对,共得5条边,计算边的长度和,如何找到长度和最小的配对方案?
依然以上一篇的10个街区点为例,理一下思路:
-
10个点,俩俩配对,共得到5条边,很明显这是不考虑顺序的。可以用高中学到的排列组合来计算共有:C(2,10) * C(2,8) * C(2,6) * C(2,4) * C(2,2) / A(5,5) 种组合方法
= 10 * 9/(2 * 1) * (8 * 7/(2 * 1))*(6 * 5/(2 * 1)) * (4 * 3/(2 * 1)) * (2 * 1/(2 * 1))/ (5 * 4 * 3 * 2 * 1)
= 45 * 28 * 15 * 6/(5 * 4 * 3 * 2 * 1)
= 9 * 7 * 5 * 3 = 945种方法。 -
计算每种路径5条边距离的总和
-
找出距离总和最小的路径,及对应的截取点坐标。
-
为了方便理解,用matplotlib可视化。
1. 效果图
5条线不考虑顺序的排列组合共有945种,最短路径为 ABDFCEGHIJ,距离和为449米,效果图如下:
如下图所示,10个街区 从A~J 用红色五角星表示,最短路径边分别为AB、DF、CE、GH、IJ
2. 源码
# 求最短路径问题(N个点全排列)
import math
import numpy as np
# 街区点
node = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', "J"]
# 街区点对应坐标
node_coor = [(310, 385), (360, 305), (550, 330), (440, 270), (550, 250),
(360, 225), (305, 150), (305, 90), (440, 120), (550, 65)]
# 计算俩个坐标点的距离
def cal_dis(pt1, pt2):
x0, y0 = pt1
x1, y1 = pt2
# print('\t\tdis: ', pt1, pt2, math.sqrt((math.pow((x0 - x1), 2) + math.pow((y0 - y1), 2))))
return math.sqrt((math.pow((x0 - x1), 2) + math.pow((y0 - y1), 2)))
# 计算一条路径的总距离
def get_dis(nodes):
# 初始化总距离
total_dis = 0
# 遍历路径
for i in range(len(nodes) // 2):
# 间隔2个点计算路径 01 23 45 67 89
dis = cal_dis(node_coor[node.index(nodes[i * 2])], node_coor[node.index(nodes[i * 2 + 1])])
total_dis = total_dis + dis
return total_dis
print('递归 start--------------------')
# 递归方法解决
nodes = node.copy()
path_set = set()
# 排列组合(先2个全排列,然后每一小组排序忽略顺序~)
# 相当于C(2,10)*C(2,8)*C(2,6)*C(2,4)*C(2,2)/A(5,5) = 10*9/(2*1)*(8*7/(2*1))*(6*5/(2*1))
# *(4*3/(2*1))*(2*1/(2*1))/ (5*4*3*2*1)
# = 45*28*15*6/(5*4*3*2*1)
# = 9*7*5*3 = 945种
def permutations(position):
if position == len(nodes) - 2:
# print(nodes, "".join(["".join(sorted(set(nodes[i * 2] + nodes[i * 2 + 1]))) for i in range(len(nodes) // 2)]))
path_set.add("".join(["".join(sorted(set(nodes[i * 2] + nodes[i * 2 + 1]))) for i in range(len(nodes) // 2)]))
else:
for index in range(position, len(nodes)):
nodes[index], nodes[position] = nodes[position], nodes[index]
permutations(position + 2)
nodes[index], nodes[position] = nodes[position], nodes[index]
permutations(0) # 全排列
print(sorted(path_set))
print('共有路径:', len(path_set))
dict_path_dis = {}
# 计算距离
for path in path_set:
dict_path_dis[path] = get_dis(list(np.array(list(path))))
# 获取最小的value对应的key,即获取最短路径距离对应的路径
key_min = min(dict_path_dis.keys(), key=(lambda k: dict_path_dis[k]))
print('递归——Minimum path & dis: ', key_min, dict_path_dis[key_min])
print('绘图start——————————')
# 构建最短路径的街区点及坐标
min_node = list(np.array(list(key_min)))
min_path_coor = []
for i in min_node:
min_path_coor.append(node_coor[node.index(i)])
print('min_node: ', min_node)
print('min_path_coor: ', min_path_coor)
import matplotlib.pyplot as plt
fig, ax = plt.subplots() # 创建一个图表
x1 = [x for (x, y) in min_path_coor]
y1 = [y for (x, y) in min_path_coor]
for i, (node_name, (x, y)) in enumerate(zip(min_node, min_path_coor)):
# 绘制坐标点及坐标点上方文字
plt.scatter(x, y, s=120, c='red', marker='*')
plt.text(x=x, y=y + 2, s=node_name + '(' + str(x) + ',' + str(y) + ')', ha='center', va='baseline',
fontdict={'color': 'black',
'size': 8}) # 中心点上方文字
if (i % 2 == 0):
print(node_name, '->', min_node[i + 1])
# print(i, i + 1, [x, min_path_coor[i + 1][0]], [y, min_path_coor[i + 1][0]])
ax.plot([x, min_path_coor[i + 1][0]], [y, min_path_coor[i + 1][1]]) # 绘制线
plt.show()