如何将距离公式应用于python中的[x，y]坐标列表

Question

为了使用遗传算法求解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)]

然后，为了创建旅行推销员可以采取的随机路径，我将点洗牌并将第一个点追加到最后一个点，以使路径成为“往返”。

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

这是可能的“路径”之一：

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

然而，我还需要测量适应度，即路径的长度，以便确定要消除哪些路径以及保留哪些路径（因为它是遗传算法）。这是我不明白如何进一步的地方。

我目前的想法是对一对点使用距离公式，但是我必须复制所有值才能将每对x，y坐标传递到我的计算器中以找到距离公式。

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我发现this回答了这个问题，但它在R中，我仍然不明白如何解决这个问题。

Answer 1

使用切片很容易使用zip，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，则可以使用列表推导类似地创建它。

>>> [[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])