基于python语言，实现A*算法对最短路问题（Shortest Path Problem）进行求解。

1. 适用场景

无负环网络
起点与终点间至少存在一条可行路径

2. 测试网络

这里以Tempe ASU网络为测试数据集，网络如下图所示，可通过osm2gmns工具包获取。

3. 代码实现

（1）定义数据结构

class Network():def __init__(self):self.source_node_id=Noneself.sink_node_id=Noneself.node_id_list=[]self.node_x_coord={}self.node_y_coord={}self.node_neighbors={}self.number_of_nodes=0self.link_list=[]self.link_cost={}

（2）读取csv网络文件

def read_data(node_file,link_file,net):#读取node文件with open(node_file) as f:node_reader = csv.reader(f)next(node_reader)for row in node_reader:net.node_id_list.append(int(row[0]))net.node_x_coord[int(row[0])]=float(row[1])net.node_y_coord[int(row[0])]=float(row[2])net.node_neighbors[int(row[0])]=[]#读取link文件with open(link_file) as f:link_reader=csv.reader(f)next(link_reader)for row in link_reader:from_node_id=int(row[1])to_node_id=int(row[2])cost=float(row[3])net.node_neighbors[from_node_id].append(to_node_id)net.link_list.append([from_node_id,to_node_id])net.link_cost[from_node_id,to_node_id]=costnet.number_of_nodes=len(net.node_id_list)

（3）评估函数

def evaluate_remaining_distance(current,net):return abs(net.node_x_coord[current]-net.node_x_coord[net.sink_node_id])\+abs(net.node_y_coord[current]-net.node_y_coord[net.sink_node_id])

（4）最短路径可视化函数

def show_shortest_path(net,path_node_id_list):for from_node_id,to_node_id in net.link_list:x_coords=[net.node_x_coord[from_node_id],net.node_x_coord[to_node_id]]y_coords=[net.node_y_coord[from_node_id],net.node_y_coord[to_node_id]]plt.plot(x_coords,y_coords,color='black',linewidth=0.5)path_x_coord=[]path_y_coord=[]for node_id in path_node_id_list:path_x_coord.append(net.node_x_coord[node_id])path_y_coord.append(net.node_y_coord[node_id])plt.plot(path_x_coord,path_y_coord,color='b')plt.xlabel('x_coord')plt.ylabel('y_coord')plt.show()

（5）最短路搜索

def find_shortest_path(net):frontier = PriorityQueue()frontier.put((net.source_node_id,0))came_from = {}cost_so_far = {}came_from[net.source_node_id] = Nonecost_so_far[net.source_node_id] = 0while not frontier.empty():current=frontier.get()[0]if current == net.sink_node_id:breakfor next_node in net.node_neighbors[current]:new_cost = cost_so_far[current] + net.link_cost[current, next_node]if next_node not in cost_so_far or new_cost < cost_so_far[next_node]:cost_so_far[next_node] = new_costpriority = new_cost + evaluate_remaining_distance(next_node,net)frontier.put((next_node,priority))came_from[next_node] = currentpath_node_id_list=[net.sink_node_id]pre_node_id=came_from[net.sink_node_id]path_cost=0while pre_node_id!=net.source_node_id:path_node_id_list.insert(0,pre_node_id)path_cost+=net.link_cost[path_node_id_list[0],path_node_id_list[1]]pre_node_id=came_from[pre_node_id]path_node_id_list.insert(0,net.source_node_id)path_cost += net.link_cost[path_node_id_list[0], path_node_id_list[1]]path='-'.join( [ str(i) for i in path_node_id_list] )print("the trave cost from node id=%s to node id=%s is: %s"%(net.source_node_id,net.sink_node_id,path_cost))print("the shortest path from node id=%s to node id=%s is: %s"%(net.source_node_id,net.sink_node_id,path))show_shortest_path(net,path_node_id_list)

（6）主函数

if __name__=='__main__':net=Network()net.source_node_id=4298net.sink_node_id=169read_data('./node.csv','./link.csv',net)if net.source_node_id not in net.node_id_list:print(" %s not found"%net.source_node_id)sys.exit(0)if net.sink_node_id not in net.node_id_list:print(" %s not found"%net.sink_node_id)sys.exit(0)find_shortest_path(net)

（7）求解结果

（8）样例数据集代码文件

https://github.com/PariseC/Shortest_Path_Algorithm/tree/master/A%20star

参考

https://www.redblobgames.com/pathfinding/a-star/introduction.html

Python实现最短路问题常见求解算法——A*算法相关推荐

【上篇】Python实现最短路问题常见求解算法——Label Correcting Algorithm（deque）
基于python语言,实现deque label correcting 算法对最短路问题(Shortest Path Problem)进行求解. 目录 1. 适用场景 2. 算法说明 3. 测试网络 ...
Python实现最短路问题常见求解算法1——Label Correcting Algorithm（deque）
原文链接 1. 适用场景无负环网络起点与终点间至少存在一条可行路径可求解单一起点到多点的最短路径 2. 算法说明应用标号法求解最短路问题时有两种选择,一是采用 label setting 策略 ...
【下篇】Python实现最短路问题常见求解算法——Label Correcting Algorithm（deque）
基于python语言,实现deque label correcting 算法对最短路问题(Shortest Path Problem)进行求解,可以识别网络中是否含有负环. 目录 1. 适用场景 2. ...
Python实现最短路问题常见求解算法2——Label Correcting Algorithm（deque）
原文链接 1. 适用场景可识别网络中存在的负环起点与终点间至少存在一条可行路径可求解单一起点到多点的最短路径 2. 负环识别方法在介绍网络负环识别方法之前,先定义几个符号: nnn :网络节点 ...
Python实现VRP常见求解算法——蚁群算法（ACO）
基于python语言,实现经典蚁群算法(ACO)对车辆路径规划问题(CVRP)进行求解. 目录优质资源 1. 适用场景 2. 求解效果 3. 问题分析 4. 数据格式 5. 分步实现 6. 完整代码 ...
Python实现VRP常见求解算法——差分进化算法（DE）
基于python语言,实现经典差分进化算法(DE)对车辆路径规划问题(CVRP)进行求解. 目录 1. 适用场景 2. 求解效果 3. 问题分析 4. 数据格式 5. 分步实现 6. 完整代码参考 ...
【进阶二】Python实现VRPTW常见求解算法——差分进化算法（DE）
基于python语言,实现经典差分进化算法(DE)对带有时间窗的车辆路径规划问题( VRPTW )进行求解. 目录往期优质资源 1. 适用场景 2. 求解效果 3. 代码分析 4. 数据格式 5. ...
Python实现VRP常见求解算法——离散量子行为粒子群算法（DQPSO）
基于python语言,实现经典离散量子行为粒子群算法(DQPSO)对车辆路径规划问题(CVRP)进行求解. 目录优质资源 1. 适用场景 2. 求解效果 3. 问题分析 4. 数据格式 5. 分步实 ...
【改进篇】Python实现VRP常见求解算法——禁忌搜索算法（TS）
基于python语言,实现经典禁忌搜索算法(TS)对车辆路径规划问题(CVRP)进行求解, 优化代码结构,改进Split函数目录往期优质资源 1. 适用场景 2. 改进效果对比 3. 求解结果 4 ...

Python实现最短路问题常见求解算法——A*算法

目录

1. 适用场景

2. 测试网络

3. 代码实现

参考

Python实现最短路问题常见求解算法——A*算法相关推荐

最新文章

热门文章