优化这段代码:def calDistanceMatrix(model): for i in range(len(model.demand_id_list)): from_node_id = model.demand_id_list[i] for j in range(i + 1, len(model.demand_id_list)): to_node_id = model.demand_id_list[j] dist = math.sqrt((model.demand_dict[from_node_id].x_coord - model.demand_dict[to_node_id].x_coord) ** 2 + (model.demand_dict[from_node_id].y_coord - model.demand_dict[to_node_id].y_coord) ** 2) model.distance_matrix[from_node_id, to_node_id] = dist model.distance_matrix[to_node_id, from_node_id] = dist for _, vehicle in model.vehicle_dict.items(): dist = math.sqrt((model.demand_dict[from_node_id].x_coord - vehicle.x_coord) ** 2 + (model.demand_dict[from_node_id].y_coord - vehicle.y_coord) ** 2) model.distance_matrix[from_node_id, vehicle.type] = dist model.distance_matrix[vehicle.type, from_node_id] = dist
时间: 2024-03-24 11:40:15 浏览: 56
可以优化的地方有两个:
1. 可以使用numpy中的ndarray来计算两点之间的距离,这样可以避免使用循环,提高计算速度。
2. 在计算距离矩阵之前,可以将所有点的坐标都存储到一个矩阵中,这样可以避免在循环中重复计算坐标。
优化后的代码如下所示:
```python
import numpy as np
def calDistanceMatrix(model):
coord_matrix = np.array([(demand.x_coord, demand.y_coord) for demand in model.demand_dict.values()] +
[(vehicle.x_coord, vehicle.y_coord) for vehicle in model.vehicle_dict.values()])
for i in range(len(model.demand_id_list)):
from_node_id = model.demand_id_list[i]
from_coord = coord_matrix[i]
for j in range(i + 1, len(model.demand_id_list)):
to_node_id = model.demand_id_list[j]
to_coord = coord_matrix[j]
dist = np.sqrt(np.sum((from_coord - to_coord) ** 2))
model.distance_matrix[from_node_id, to_node_id] = dist
model.distance_matrix[to_node_id, from_node_id] = dist
for _, vehicle in model.vehicle_dict.items():
vehicle_coord = coord_matrix[len(model.demand_dict) + vehicle.type]
dist = np.sqrt(np.sum((from_coord - vehicle_coord) ** 2))
model.distance_matrix[from_node_id, vehicle.type] = dist
model.distance_matrix[vehicle.type, from_node_id] = dist
```
这样,代码的计算速度可以得到一定的提升。
阅读全文