nefu最优化理论实验三【python】

实验三 动态规划——最短路径问题

一、实验目的：

1. 掌握动态规划的基本概念
2. 掌握动态规划的最优化原理
3. 利用Python代码求解动态规划最短路径问题

二、实验内容和步骤：

1. 数据输入：

根据图形信息，分别存储A->B、B->C 、C->D 的距离

1. 编写动态规划求解函数

1. 求解图中的最短路径问题

按照“A->B->C->D”的格式输出

import pandas as pd
import numpy as np
df1=pd.DataFrame(np.array([[10,20]]),index=["A"],columns=['B1','B2'])
df2=pd.DataFrame(np.array([[30,10],[5,20]]),index=["B1","B2"],columns=['C1','C2'])
df3=pd.DataFrame(np.array([[20],[10]]),index=["C1","C2"],columns=['D'])
ll=[df2,df1]



ll1=[df1]

cv=[]
def pp(t,df):
    
    mm=df.index
    
    f=pd.Series()
    g=[]
    for j in mm:
        m1=df.loc[j]
        m2=m1+t
        m3=m2.sort_values()
        f[j]=m3[0]
        g.append(m3.index[0])
        
    dc=pd.DataFrame()
    
    dc['v']=f.values
    dc['n']=g
    dc.index=f.index
    
#    print(dc)
    
    cv.append(dc)
    
    if len(ll1)>0:
    
        df=ll1.pop()
        t=pp(dc['v'],df)
    else:
        return dc

t1=df3['D']
h1=pp(t1,df2)
print('A',end='->')
for m in range(len(cv)):
    
    xc=cv.pop()
    
    x1=xc.sort_values(by='v')
    
    print(x1['n'].values[0],end='->')
print('D')