Algorithm 路由图中节点连通性的速率

Algorithm 路由图中节点连通性的速率,algorithm,routing,graph-algorithm,Algorithm,Routing,Graph Algorithm,我有一个有向的加权路由图(约10^5条边,每个节点4条边,许多圆) 每个边都有与其相关的成本。如何评价每个节点的“连通性”?它应该是衡量从这个节点到达其他节点的成本有多低的一个指标 如果每个节点都获得一个可靠性因子(包含该节点的所选路径将失败并且必须找到一个新路径的概率),那么一切都会发生什么变化 谢谢你的帮助我相信你提出的问题在很多方面都与算法的用例相匹配 我将不讨论该算法的一般工作原理,因为网上有很多博客/视频,它们已经非常详细地解释了该算法。我个人最喜欢的短片之一就是 现在让我们看看该算法

我有一个有向的加权路由图(约10^5条边,每个节点4条边,许多圆)

每个边都有与其相关的成本。如何评价每个节点的“连通性”?它应该是衡量从这个节点到达其他节点的成本有多低的一个指标

如果每个节点都获得一个可靠性因子(包含该节点的所选路径将失败并且必须找到一个新路径的概率),那么一切都会发生什么变化


谢谢你的帮助

我相信你提出的问题在很多方面都与算法的用例相匹配

我将不讨论该算法的一般工作原理,因为网上有很多博客/视频,它们已经非常详细地解释了该算法。我个人最喜欢的短片之一就是

现在让我们看看该算法如何适合您的用例。让我们将节点x的连通性定义为C(x)。我们可以将您给定的语句“从该节点到达其他节点的成本有多低”改为“我们在图中随机游走到给定节点的可能性有多大,这样我们就倾向于获取成本较低的边”

该声明在很大程度上与PageRank算法背后的意识形态有关。我们只需要考虑如何将边缘成本用于工作。

原始PageRank算法将给定节点的页面排名统一划分到其所有相邻节点(公式中表示为PR(y)/OUT(y))。另一方面,我们需要更倾向于低成本的边缘,我建议修改公式

(和边成本(y)-和边成本(x,y))*(C(y)/和边成本(y))

而不是传统的C(x)/OUT(x)。我们采用差异(总和边缘成本(y)-边缘成本(x,y)),因为在我们的场景中,较低的边缘成本意味着更多的连接性。另一种可能性是将
softmax
函数作为归一化策略应用于每个节点的边缘成本

至于回答关于可靠性因子的部分,由节点x的R(x)给出,我们可以直接将其乘以公式中的C(x)

总而言之

应该与您给定的场景相匹配


我在这里提出的只是一种可能性,我可以从我的思想高度来思考,很有可能是行不通的。我所能希望的就是它能在某种程度上帮助你。干杯!:)

我可能错了,但我不认为公共关系适用于这种情况。如果A链接到B,然后添加到C的链接,B的PR会降低,即使它与以前一样连接。不应该是这样的,还是我看错了?某种中心主义会起作用吗?也许中间性中心性?