今天暂时先不讲遗传算法，我要解决的是TSP问题，具体什么TSP问题以前文章里讲过了，你们能够点一下历史消息或者这里：html
遗传算法可视化项目（3）：建立图的数据结构
github
TSP问题里面除了算法还有一个重要的东西，就是距离，通常状况下计算两点之间距离直接用公式：√(Δx²+Δy²)，但是我以前爬到的数据是经纬度，两地距离没有这么简单，由于毕竟是球面上两点的距离，不是平面，这里我不用网上的那个推导出来的公式，我一步步推导，首先以地球球心为原点，赤道平面为xOy平面，创建xyz三维坐标系，我在这里就默认东经是[0°,180°]，西经是[-180°,0°]（反过来也没事），北纬[0°,90°]，南纬[-90°,0°]（反过来没问题），假设第一个点经纬度是(α1,β1)，第二个点经纬度是(α2,β2)（α1，α2对应经度值；β1，β2对应纬度值）。很明显第一个点转换成为三维坐标是(cosα1,sinα1,sinβ1)，第二个点转换成为三维坐标也就是(cosα2,sinα2,sinβ2)，点能够当作是向量，直接利用：算法
cosθ=两向量数量积/两向量模长的乘积微信
这个公式求出两向量夹角的余弦值cosθ，而后再利用反余弦函数arccos求出θ，不须要进行平移啥的，arccos函数值域是[0,π]，向量夹角也是这个范围，最后利用公式L=|θ|*r（θ必定要是弧度制！r是地球平均半径，不平均还真的有点难处理
）求得弧长，也就是所谓的球面上两点的距离！数据结构
接下来讲一下昨天文章中遗留下来的MAX取多大的值的问题，设置成10的话上面那个公式彻底不能用，最小值应该比地球平均半径*π（也就是半圈）要大，这个值很明显比10大不少，但为何我要用10是由于我感受就海南岛那一小块地方，球面能够近似的当作平面（若是不能当作平面用上面那个方法），而后就是那个距离公式（√(Δx²+Δy²)），而后我编写程序算了一下经纬度的差，代码和运行结果以下：机器学习
很明显，令Δx=经度差，Δy=纬度差，代入√(Δx²+Δy²)这个距离公式，结果小于10，因此我能够用10表示不可达！函数
无论用什么方法，明天遗传算法你们也就只是距离计算方式不一样，但最后得出来的最短路径都差很少那样！文章最后附上项目地址：https://github.com/3480430977/DataVisualizationOfGA学习
最后欢迎你们扫码关注
本文分享自微信公众号 - Python机器学习算法说书人（Python-ML-Algorithm）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。