Python求解条件最短路径问题:NetworkX

条件最短路径问题指带有约束条件的最短路径问题。例如顶点约束、必经点约束等。在本篇文章中,将通过案例,简要给大家说明一下,施加顶点、必经点约束的最短路径的求解。

 如上图所示,必经点为B、C、D,求解由A到E的一条最短路径。

1:创建无向图(上图)

import matplotlib.pyplot as plt  # 导入 Matplotlib 工具包
import networkx as nx  # 导入 NetworkX 工具包

gAnt = nx.Graph()  # 创建:空的 无向图
gAnt.add_weighted_edges_from([("A", 2, 3.3), ("A", 1, 8.1), ("A", 3, 8.8),
                              (1, "B", 3.9), (2, "B", 7.4), (2, "C", 7.7), (3, "D", 4.6), (3, "E", 5),
                              (4, "D", 0.72),
                              (4, "B", 1.0), (4, 5, 0.46), (5, "E", 1.44), (5, "D", 0.8),
                              ("C", 4, 0.94),
                              ("B", "C", 0.5), ("B", "D", 0.95),
                              ("D", "E", 1.2)
                              ])  # 向图中添加多条赋权边: (node1,node2,weight)

pos = {"A": (7, 15), "B": (6, 5), "C": (7, 4), "D": (5, 3), "E": (4, 1.5),
       1: (2, 8), 2: (9, 13), 3: (0, 6), 4: (6.5, 3), 5: (6.25, 2)}  # 指定节点在图中的位置
nx.draw(gAnt, pos, with_labels=True, alpha=0.8)
labels = nx.get_edge_attributes(gAnt, 'weight') # 边的权值,即两点间的距离
nx.draw_networkx_edge_labels(gAnt, pos, edge_labels=labels, font_color='r', font_size=8)  # 显示权值
nx.draw_networkx_nodes(gAnt, pos, nodelist=["A", "E"], node_color='yellow')  # 设置顶点颜色
nx.draw_networkx_nodes(gAnt, pos, nodelist=["B", "C", "D"], node_color='lime')  # 设置顶点颜色
plt.show()

 2:限制条件:多个必经点

解决方案:遍历从起点到终点的简单路径,求满足必经点条件的最短路径

minWPath4 = min([path  # 返回 key 为最小值的 path
    for path in nx.all_simple_paths(gAnt, "A", "E")  # gAnt 中所有起点为A、终点为E的简单路径
    if all(n in path for n in ("B", "C", "D"))],  # 满足路径中包括顶点 B,C,D
    key=lambda x: sum(gAnt.edges[edge]['weight'] for edge in nx.utils.pairwise(x)))  # key 为加权路径长度
lenPath = sum(gAnt.edges[edge]['weight'] for edge in nx.utils.pairwise(minWPath4))  # 求指定路径的加权路径长度
for i in range(0, len(minWPath4)-1):
    nx.draw_networkx_edges(gAnt, pos, edgelist=[(minWPath4[i], minWPath4[i+1])], edge_color='r', width=2.5)  # 设置边的颜色
print("\n问题4: 多个必经点的约束")
print("A 到 E 的最短加权路径: ", minWPath4)
print("A 到 E 的最短加权路径长度: ", lenPath)

输出结果:

多个必经点的约束
A 到 E 的最短加权路径:  ['A', 2, 'C', 'B', 'D', 'E']
A 到 E 的最短加权路径长度:  13.649999999999999

 Ref:Python数模笔记-NetworkX(3)条件最短路径

  • 2
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: NetworkX是一个Python程序库,用于创建、操纵和研究复杂网络,包括图和有向图。而Convex优化在运筹学中是一种重要的优化方法,可以用来求解最短路径等问题。可以将两者结合使用,通过NetworkX构建图形,然后使用Convex求解最短路径,具体的实现可以参考相关的文献和资料。 ### 回答2: NetworkX是一个用于创建、操作和研究复杂网络结构的Python库,而Convex是一个基于凸优化理论的最优化求解器。在比较NetworkX和Convex求解最短路径时,可以从以下几个方面进行对比。 首先,NetworkX是一个通用的网络分析库,可以应用于各种复杂网络问题,包括最短路径问题。它提供了丰富而灵活的函数和算法来计算网络中的最短路径,包括Dijkstra算法、Bellman-Ford算法等。它的优点在于易于使用、功能强大,并且可以方便地与其他Python库进行集成。 与之相比,Convex是一个专注于优化问题的求解器,特别是凸优化问题。凸优化问题是一类具有优良性质的优化问题,包括最小化线性目标函数在凸约束下的问题。通过利用凸优化理论,Convex可以有效地求解这类问题,并提供了各种算法和方法来优化凸函数。Convex的优势在于对凸问题的高效求解,尤其是对于大规模问题具有较好的性能。 然而,Convex主要面向凸优化问题,而不是专门解决最短路径问题。虽然Convex可能可以用来求解最短路径问题,但NetworkX在这方面更专业和强大。所以,如果我们只关注最短路径问题,并希望使用一个更专门的工具来解决该问题,那么NetworkX是首选。但如果我们有其他凸优化问题需要解决,那么Convex可能更适合,因为它提供了更多的优化算法和方法。 综上所述,NetworkX和Convex在求解最短路径问题上各有优劣。NetworkX提供了丰富的函数和算法来解决最短路径问题,并且易于使用。而Convex则专注于凸优化问题的求解,并在大规模问题上具有优势。根据具体问题的要求,可以选择适合的工具来解决最短路径问题。 ### 回答3: NetworkX是一个Python库,用于创建、操作和研究复杂网络结构。它包含了许多用来进行图分析的工具和算法,其中就包括求解最短路径的功能。 而Convex(凸优化)是一种数学优化问题的方法,目标是找到一个最小化目标函数的解,同时满足一组约束条件。在求解最短路径问题上,Convex可以将其转化为一个凸优化问题,并采用凸优化算法寻找最优路径。 对比NetworkX和Convex在求解最短路径问题上的差异,可以得出以下观点: 1. 实现复杂度:NetworkX是一个网络分析库,它的目标是提供一个便捷的工具集,用于创建和操作复杂网络结构。它提供了多种求解最短路径的算法,如Dijkstra算法和A*算法等。相比之下,Convex是一种通用的优化方法,需要将最短路径问题转化为凸优化问题,并使用凸优化算法进行求解。因此,Convex在实现上可能更加复杂一些。 2. 扩展性:由于NetworkX是一个完整的网络分析库,它不仅仅支持求解最短路径问题,还提供了许多其他图分析的功能。相比之下,Convex只是一种优化方法,更加专注于数学优化问题。如果需要进行其他类型的网络分析,NetworkX可能更适合使用。 3. 性能:由于NetworkX是用Python编写的库,其性能可能受到Python语言的影响。而Convex通常使用更加高效的凸优化算法,可能在求解大规模最短路径问题时具有较好的性能。 总体而言,NetworkX是一个适用于一般图分析的库,其中包括求解最短路径问题的功能。而Convex是一种通用的凸优化方法,可以用于解决特定类型的优化问题,如求解最短路径问题。选择使用哪个工具取决于具体的需求和问题的性质。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值