Python使用min和lambda函数查找最小代价节点

本篇内容将介绍如何使用Python中的 min 函数和 lambda 函数，找到具有最小总代价的节点。

假设您正在处理路径查找或图形搜索问题，并有一个名为 open_set 的字典，其中包含您需要考虑的节点。每个节点都包含：

cost 属性：表示到达该节点的累积成本。* 到目标节点的启发式估计值（使用 self.calc_heuristic 函数计算）。

以下代码段演示了如何找到 open_set 中具有最小总代价的节点的索引，并将其存储在 c_id 变量中：pythonc_id = min(open_set, key=lambda o: open_set[o].cost + self.calc_heuristic(ngoal, open_set[o]))

让我们来分解这段代码：

min(open_set, ...): min 函数用于查找 open_set 中的最小值。* key=lambda o: ...: key 参数指定用于比较 open_set 中元素的函数。这里使用 lambda 函数定义了一个匿名函数，用于计算每个节点的总代价。* open_set[o].cost + self.calc_heuristic(ngoal, open_set[o]): * o 代表 open_set 中的每个节点。 * open_set[o].cost 获取节点 o 的累积成本。 * self.calc_heuristic(ngoal, open_set[o]) 计算节点 o 到目标节点 ngoal 的启发式估计值。 * 将累积成本和启发式估计值相加得到节点 o 的总代价。

min 函数将根据 lambda 函数返回的总代价进行比较，并返回具有最小总代价的节点的索引，并将该索引赋给 c_id。

总结:

这段简洁的代码片段展示了如何利用Python的 min 和 lambda 函数，高效地找到具有最小总代价的节点。这在需要根据成本和启发式估计值进行决策的算法中非常实用，例如 A* 搜索算法。