如何在Python中对[x,y]坐标列表应用距离公式（TSP遗传算法）

嘿，我明白你的需求了——要把闭环路径里的连续坐标点配对成嵌套列表，用来计算总路径长度对吧？这在Python里其实有好几种简洁的实现方式，我给你详细说一下：

方法一：列表推导式（直观易懂） #

利用路径的闭环特性（最后一个元素是起点），我们可以通过遍历索引，把每个位置的点和下一个位置的点配对：

# 假设你的闭环路径已经生成好
path = [[0, 7], [167, 118], [150, 173], [37, 21], [48, 150], [0, 7]]

# 生成连续点对列表
point_pairs = [[path[i], path[i+1]] for i in range(len(path)-1)]

这里len(path)-1是因为我们只需要遍历到倒数第二个元素，它的下一个元素就是最后一个（起点），刚好覆盖所有路段。

输出结果就是你想要的格式：

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

方法二：用zip函数（更Pythonic） #

zip函数可以把两个可迭代对象按位置一一配对，我们只需要把原路径和“去掉第一个元素的路径”配对即可：

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

# zip返回的是元组对，转成列表格式
point_pairs = [list(pair) for pair in zip(path, path[1:])]

这个方法更简洁，path[1:]会生成从第二个元素到最后一个元素的子列表，和原路径path配对后，自然得到所有连续的点对。

顺便补上路径长度计算（适应度函数） #

既然你需要计算路径长度作为适应度，这里直接给你配套的欧几里得距离计算代码：

import math

def calculate_fitness(path):
    # 先生成点对
    point_pairs = [list(pair) for pair in zip(path, path[1:])]
    total_distance = 0
    for p1, p2 in point_pairs:
        # 欧几里得距离公式
        distance = math.sqrt((p2[0] - p1[0])**2 + (p2[1] - p1[1])**2)
        total_distance += distance
    # 遗传算法里通常希望适应度越小越好（或者取倒数，看你需求）
    return total_distance

# 测试示例
path = [[0, 7], [167, 118], [150, 173], [37, 21], [48, 150], [0, 7]]
fitness = calculate_fitness(path)
print(f"当前路径的总长度（适应度）：{fitness:.2f}")

这样你就能直接用这个函数来评估每条路径的优劣，筛选出更优的个体啦。

内容的提问来源于stack exchange，提问作者Sergey Ronin