所以我在一个城市有一组点（比如房屋或住宅），我想找到这些点和商店的一组候选点之间的最短距离。我正在寻找最好的商店位置，以最大限度地减少与布景中所有房屋的距离。所以我将迭代地移动候选商店点，然后重新计算每个商店和房子之间的距离（再次使用 Djikstra 算法）。由于计算量巨大，我无法在优化算法的每次迭代中一直访问数据库。
我已经多次使用 pgrouting 并且这会起作用，但是由于点数很多并且每次都必须搜索磁盘，所以它会太慢。
有没有一种工具可以让我在内存中加载一些小的 Open Street Maps 城市地图，然后计算内存中的最短路线？我需要一些快速的东西，所以最好在 C 或 python 中？但是任何语言都可以，只要它有效。
继承人和想法。获取房子和所有商店的纬度。以最大精度 (12) 计算所有点（房屋和商店）的 geohash，并检查任何商店的 geohash 是否与房屋的 geohash 匹配。如果没有，计算精度较低的 geohash (11)，然后冲洗并重复，直到你得到一个与房子的 geohash 匹配的商店（可能是多个我稍后会进入）。
这是一个模糊距离计算。这将非常有效并且处理时间最短。但是，如果您获得两个或更多具有相同 geohash 且具有一定精度的商店，这将失败。所以这是我建议你做的
此方法的优点：将您的严格要求更改为模糊概率问题。如果你得到一个单一的疮，很好。如果你至少不减少距离计算的候选者数量
这种方法的缺点：如果所有商店都在同一个 geohash 中怎么办？我们在这里引入相同的复杂性。
您将指望并非所有（或大多数）商店都在同一个 geohash 下的机会。实际上，劣势只是极端情况下的劣势。所以总的来说你应该提高性能
在 python 中，您可以使用 networkx 进行图形工作。它具有广度优先搜索功能。