Algorithm 在175K个节点的图中查找路径

我在大数据分析中遇到了一个问题，我正在使用Dijkstras算法为超过175K个节点的图找出路径。但问题是，对于特定的源和目标，我不知道是否存在路径。我必须为大约1000个来源和目的地这样做。但我不能随机选择它们，因为我不确定它们之间是否存在路径。我不知道该怎么处理。在MapReduce环境中执行一次算法在本地大约需要15分钟的时间。因此，试错法不是一种选择。只有我们我能找到至少1000个源和目的地，才能找到循环（？）或强连接组件？这是正确的吗？我希望我的问题清楚易懂

---

我基本上是在寻找1000对源和目的地，对于这些源和目的地，在这样大小的图中存在路径

我建议随机选择1000个源节点，然后为每个节点运行，直到您访问了

k

节点。然后，选择要访问的下一个节点，并将其设置为该源的目标

---

通过这种方法，您可以保证每个目的地都可以从该源访问。

我们可以使用像不相交联合集（DUS）这样的数据结构。我们进行初始化，得到整个图的连通性。如果a可以到达b，则它们将位于DU中的同一集合中。初始化的复杂性完全取决于图中的边数。查询是关于O（1）。

我建议使用一种算法：

findPairsPath ()
{
    define 2D Array SD //holds source-destination nodes
    SD = {}
    pick any node u randomly
    k=0

    while (k<1000)
    {
       DFS (u, k)
       pick any node u randomly not stored in SD 
    }
}

DFS (u, k)
{

    for all nodes v adjacent to u and not stored in SD
     {
       store (u,v) in SD //storing a source and a destination
       k++
       DFS (v,k)

     }

}

findPairsPath（）
{
定义二维数组SD//保存源目标节点
SD={}
随机选取任意节点u
k=0
虽然（kSo您是否在寻找一种方法来确定节点
dest
是否可以从节点
src
访问？我基本上是在寻找1000对源和目标，这些源和目标的路径存在于一个如此大的图中这些对上有任何约束？或者它们是否完全是任意的？您能告诉我们您使用mapreduce做了什么吗hink 175k顶点可以通过igraph（）轻松处理，所以您可以切换到那个位置。当然，这也取决于图形的密度。免责声明：我是igraph的作者之一。为什么要麻烦BFS？只需选择一个随机节点作为源，选择它的一个邻居作为目标，无需搜索。@jwpat7这是
k=0
的情况，对吗？BFS会让您更感兴趣我认为，ing的问题。但问题陈述没有提到任何路径长度，只要求存在一条路径。k=0使它保持简单；给定问题陈述，k>0是一个不必要的复杂性。@jwpat7严格来说，是的。但我对OP的解释是，他希望能够运行Djikstra的非平凡执行。Picking neighbors不会导致这种情况。我认为这里的讨论是关于偏差的。即使是
k>0
对的选择也存在偏差，这可能是一个问题，因为应用程序似乎是数据分析。OP需要澄清他们在采样过程特征方面的要求。这在无向图中有效，但在有向图中，
a
可以从
b
中访问，而
b
不能从
a
中访问，我认为DUS不能指出这一点。@sammusmann是的，你是对的，这个算法可以只处理无向图。