基于NetworkX的2D仓库多节点最短路径求解及布局可视化问题

核心问题明确 #

• 仓库节点规则：Z开头为起止点，A/B/C+编号为存储点
• 移动限制：仅支持水平/垂直移动，相邻节点间距1米（曼哈顿距离逻辑）
• 指定任务路径：Z00 → A1A1 → C1A4 → Z02

步骤1：构建带真实坐标的仓库图结构 #

要解决可视化和路径计算问题，核心是给每个节点绑定与仓库实际布局匹配的坐标，示例代码如下：

import networkx as nx
import matplotlib.pyplot as plt

# 初始化无向图（路径可双向通行）
warehouse_graph = nx.Graph()

# 定义节点对应坐标（根据你的仓库实际布局修改数值）
node_coords = {
    "Z00": (0, 0),
    "A1A1": (2, 3),
    "C1A4": (5, 7),
    "Z02": (8, 0),
    "Z01": (0, 8),
    "B1A1": (3, 3)
}

# 添加节点
warehouse_graph.add_nodes_from(node_coords.keys())

# 自动生成相邻节点的边（仅水平/垂直相邻，权重为1）
nodes = list(node_coords.keys())
for i in range(len(nodes)):
    x1, y1 = node_coords[nodes[i]]
    for j in range(i+1, len(nodes)):
        x2, y2 = node_coords[nodes[j]]
        # 判定是否为相邻可通行节点
        if (abs(x1 - x2) == 1 and y1 == y2) or (abs(y1 - y2) == 1 and x1 == x2):
            warehouse_graph.add_edge(nodes[i], nodes[j], weight=1)

步骤2：还原仓库布局可视化 #

利用手动定义的坐标作为布局参数，即可生成符合实际的可视化图：

plt.figure(figsize=(8, 6))
# 按指定坐标绘制节点
nx.draw(warehouse_graph, pos=node_coords, with_labels=True, node_size=800, node_color="lightblue")
# 可选：显示边权重
edge_labels = nx.get_edge_attributes(warehouse_graph, "weight")
nx.draw_networkx_edge_labels(warehouse_graph, pos=node_coords, edge_labels=edge_labels)
plt.title("2D仓库布局可视化")
plt.show()

步骤3：计算多节点顺序访问的最短路径总距离 #

将任务拆分为三段独立的最短路径计算，累加总距离即可：

# 定义固定访问顺序
path_sequence = ["Z00", "A1A1", "C1A4", "Z02"]

total_distance = 0
full_path = []

for i in range(len(path_sequence)-1):
    start = path_sequence[i]
    end = path_sequence[i+1]
    # 用Dijkstra算法计算两点间最短路径
    shortest_path = nx.shortest_path(warehouse_graph, source=start, target=end, weight="weight")
    # 路径距离 = 节点数-1（每条边对应1米）
    path_distance = len(shortest_path) - 1
    total_distance += path_distance
    full_path.extend(shortest_path[:-1])  # 避免重复添加中间节点

full_path.append(path_sequence[-1])

print(f"完整最短路径: {' → '.join(full_path)}")
print(f"总路径距离: {total_distance} 米")

关键提示 #

• 坐标必须与仓库实际布局完全匹配，否则可视化和路径计算都会出错
• 若存在不可通行区域，需在添加边时排除对应节点的连接
• 节点数量较多时，可通过CSV等文件批量导入坐标，减少手动录入工作量

内容的提问来源于stack exchange，提问作者Kapil Mane Deshmukh