有没有比python中的networkx更有效的方法来计算最短路径问题？答案

【问题标题】：Is there a more efficient way to calculate the shortest path problem than networkx in python?有没有比python中的networkx更有效的方法来计算最短路径问题？
【发布时间】：2021-01-21 10:33:13
【问题描述】：

我正在使用 networkx 和 single_source_dijkstra 在加权图上计算从一个源到一个目标的最短路径。

但是，我遇到了内存问题。

有没有更有效的计算方法？ Networkx 的替代品？查看我的代码：

   cost, shortestpath = nx.single_source_dijkstra(graph, startpointcoords, secondptcoords,cutoff=10000000)

【问题讨论】：

标签： python networkx shortest-path dijkstra

【解决方案1】：

显然 networkx 的 A* 算法效率更高。之后，我使用我发布的 dijkstra 算法计算结果路径的长度。

【讨论】：

【解决方案2】：

也许尝试使用其他算法？您的图可能有太多顶点但很少有边，在这种情况下，您可以在 networkX 中使用 Bellman-Ford bellman_ford_path() link

另一种解决方案是使用另一个 python 包，例如this question 的答案有不同的可能库。

最后的解决方案是实现您自己的算法！也许是 Gabow 的算法，但您必须非常高效，例如将 numpy 与 numba 结合使用

【讨论】：

【解决方案3】：

双向 dijkstra 算法应该会产生显着的改进。这里是the documentation。

一个很好的类比是在 3D 中：将一个气球放在点 x 并展开它直到它到达点 y。您放入的空气量与它们之间距离的立方成正比。现在在每个点放一个气球并给它们充气直到它们接触。空气的总体积仅为原来的1/4。在更高维度（更接近于大多数网络）中，减少的幅度更大。

【讨论】：