Algorithm 从DAG中采样随机节点

我有一个大的有向无环图（DAG），我想根据以下标准从中高效地绘制一个示例节点：

我指定了一个固定节点a，该节点决不能进行采样

不会对直接或间接引用的节点进行采样

以相同的概率对所有其他节点进行采样

节点作为对象存储，并带有指向它们所引用的其他节点的指针，可以从直接或间接引用其他所有节点的单个根节点访问整个图形

---

有没有好的算法可以做到这一点？理想情况下不需要大量额外内存，因为DAG很大

无论如何，我都不是这方面的专家，但我认为您可能需要一个类似or算法的解决方案

您可以在网上找到一些代码示例，您可能需要修改代码，使其完全符合您的要求。关于这个主题有一些很好的介绍，比如

以下是一些可能对您有所帮助的软件：

我不知道你是否熟悉图论，所以我不确定你要实现这一点有多困难

---

希望这有帮助…

我能想出的唯一解决办法是

将节点放入哈希集中
（例如，使用宽度优先遍历从根遍历它们），O（| E |+| V |）

从节点A开始，通过向后遍历边删除所有前置节点
（还是O（| E |+| V |））

从其余节点中选择一个随机节点

这将导致O（| E |+| V |）算法需要O（| V |）内存

---

请注意，您不必在步骤1中复制节点，只需保存对节点的引用。

多大才算大，您是否有内存限制，引用节点是否可以便宜地找到？p.s.这样做的基本原理是我想随机向，但是需要避免形成任何循环…@Eiko我预计大约有一百万个节点-因此内存/缓存限制可能是一个问题。虽然可以选择添加反向指针，但当前无法廉价地找到引用节点。是否可以沿“反向”方向遍历边？（即，节点是否“双链接”）节点当前没有双/反向链接，但如果需要允许高效执行，添加这些节点可能是一个选项。感谢有趣的链接！然而，我并不是在追求一般的采样理论和工具，而是一个特定的算法来采样一个数据，对此我深表歉意！我认为aioobe有一个很好的解决方案，这是一个基本的蒙特卡罗马尔可夫链解决方案，IIRC。如果你有一个大的图形，为aioobe的步骤3选择一个好的随机数生成器将变得越来越重要。