如何将距离公式应用于 python 中的 [x,y] 坐标列表

Question

为了使用遗传算法解决 Traveling Salesman Problem (TSP)，我在 N×N 网格上随机生成 Z 点列表：

field = [random.sample(range(N), 2) for x in range(Z)]

之后，为了创建旅行推销员可以采用的随机路径，我打乱了点并将第一个点附加到最后一个点以使路径成为 "round trip"。

path = random.sample(field, len(field))
path.append(member[0])

这是可能的 "paths":

[[0, 7], [167, 118], [150, 173], [37, 21], [48, 150], [0, 7]]

但是，我还需要测量适应度，即路径的长度，以确定要消除哪些路径以及保留哪些路径（因为它是一种遗传算法).这是我不明白如何进一步进行的地方。

我目前的想法是对一对点使用距离公式，但是必须复制所有值才能将每对 x,y 坐标传递到我的距离公式计算器。

例如，对于上述几点，它必须看起来像这样：

[[[0, 7], [167, 118]], [[167, 118], [150, 173]], [[150, 173], [37, 21]],....]

从技术角度来看，我不知道如何生成这样的列表。

P.S 我找到了解决该问题的答案，但它在 R 中，但我仍然不明白如何解决这个问题问题。

Answer 1

使用切片 zip 很容易做到，除了 zip 创建元组而不是列表：

>>> list(zip(path[0:], path[1:]))
[([0, 7], [167, 118]), ([167, 118], [150, 173]), ([150, 173], [37, 21]), ([37, 21], [48, 150]), ([48, 150], [0, 7])]

如果您绝对需要列表而不是元组，您可以使用列表推导式类似地创建它。

>>> [[a, b] for a, b in zip(path[0:], path[1:])]
[[[0, 7], [167, 118]], [[167, 118], [150, 173]], [[150, 173], [37, 21]], [[37, 21], [48, 150]], [[48, 150], [0, 7]]]

Answer 2

def dist(p1, p2):
    return math.hypot(p2[0] - p1[0], p2[1] - p1[1])

route = [[3, 0], [0, 4], [1, 4], [2, 1], [1, 4], [3, 0]]

total_dist = 0.0
for i in range(len(route) -1):
    total_dist += dist(route[i], route[i+1])

如何将距离公式应用于 python 中的 [x,y] 坐标列表

How to apply the distance formula to a list of [x,y] coordinates in python

python

arrays

traveling-salesman

euclidean-distance

python-3.x