生成一百个节点的随机连通图，用landmark算法进行最优路径寻优。输入为两个点k1，k2；输出为k1到k2的最优路径所有经过的点集s；使用python语言编写程序

以下是一个示例代码，实现了生成100个节点的随机连通图，并使用landmark算法进行最优路径寻优，输出k1到k2的最优路径经过的点集s。

import random
import numpy as np
from scipy.sparse import csr_matrix, lil_matrix
from scipy.sparse.csgraph import shortest_path, dijkstra

# 生成100个节点的随机连通图
num_nodes = 100
graph = lil_matrix((num_nodes, num_nodes))
for i in range(num_nodes):
    for j in range(i+1, num_nodes):
        if random.random() < 0.2:  # 以0.2的概率随机连接两个节点
            graph[i, j] = graph[j, i] = random.randint(1, 10)  # 随机生成边的权重

# 使用landmark算法进行最优路径寻优
num_landmarks = 10
landmarks = random.sample(range(num_nodes), num_landmarks)  # 随机选择10个节点作为landmarks
distances, predecessors = shortest_path(csgraph=graph, method='FW', indices=landmarks, return_predecessors=True)

# 输入两个点k1和k2
k1, k2 = random.sample(range(num_nodes), 2)

# 输出k1到k2的最优路径所有经过的点集s
s = []
if predecessors[landmarks.index(k1)][landmarks.index(k2)] == -9999:  # 如果k1和k2不连通
    print("k1和k2不连通")
else:
    next_node = k2
    while next_node != k1:
        s.append(next_node)
        next_node = predecessors[landmarks.index(k1)][landmarks.index(next_node)]
    s.append(k1)
    s.reverse()
    print("k1到k2的最优路径经过的点集s为：", s)

需要注意的是，由于本代码中使用了Floyd-Warshall算法求解所有pairs之间的最短路径，时间复杂度为$O(n^3)$，在节点数较多时可能会比较耗时。可以尝试使用其他算法（如Dijkstra算法）进行优化。