贡献python prim多源最短路搜索算法 numba加速方法的demo和总结

1、测试两个算法

#coding:utf-8
import time
import numba
import numpy as np
'''
使用numba加速总结，
(1)、在数值计算比如int float double等类型计算时
使用numba进行加速，速度可加快，string类型数据不能使用numba进行加速。
（2）、在数值计算时：小循环别使用numba，循环大于100以上可使用numba加速。
（3）、在小循环的时候切换进程发费时间，所以速度慢。
（4）、在循环计算小于等于1秒之内的计算时间，别使用numba加速，大于1秒的计算时间可使用。
'''
@numba.jit
def test1(ls):
    n = len(ls)
    dt = np.zeros((n,n))
    for i,item in enumerate(ls):
        for j,val in enumerate(ls):
            dt[i,j]=(val+item)

    return dt

@numba.njit
def prim(G,start=0):
    N = len(G)
    k = start
    MST = []
    vis = np.zeros(N)
    vis[0] = 1

    while k < N-1:
        minw = np.inf
        u,v=0,0
        for i in range(N):
            for j in range(N):
                if vis[i] ==1 and vis[j] == 0:
                    if G[i,j] < minw:
                        minw = G[i,j]
                        u,v=i,j
        vis[v] = 1
        k = k+1
        MST.append([u,v,minw].copy())

    return MST

if __name__=="__main__":
    ls = list(float(i) for i in range(30000))
    n=500
    G = np.random.randint(100,1000,(n,n))
    st = time.time()
    # re = test1(ls)
    re1 = prim(G)
    print(re1[-10:])
    print(time.time()-st)