Algorithm 相关网络实现

我一直在研究我的图形/网络问题，我想我终于知道我想做什么了。现在我已经开始实现了，我在决定使用什么库时遇到了一些问题。图本身非常简单，每个节点都用一个字符串标记，每个节点都是两个节点（变量）之间的概率/相关系数，并且是无向的。我要在图形上执行的操作有：

• 插入新节点/边（快速）
• 查找所有对的最短（1/概率）路径，并记住路径中的节点-可能是Johnson算法
• 构造k个特定顶点的最小权Steiner树
  • 使用Johnson算法构建最短路径
  • 迭代路径p中的当前节点，找到k中剩余节点的最短路径
• 看看图的平均度数
• 评估节点的介数
• 获得聚类系数
• 求图的模性

对于其中的许多，我想将结果与鄂尔多斯仁义模型进行比较，并将其作为无效假设进行检验。此外，能够通过马尔可夫场使用统计力学定义也会很有帮助，因为这样我可以计算两个不相同节点之间的相关性，并询问有关熵等的图形问题。因此，良好的映射到某种马尔可夫场库也会很有用

问题的症结在于我正在努力寻找一个C++库来工作。我已经看了R，但我想要的是更健壮、更快的东西。我正在考虑的三个图书馆是：

• 柠檬
  • 易于使用和安装
  • 直观的文档
  • 已经有一些我想要的功能了
  • 通过读取文本文件动态创建图形，并确保没有重复的节点，这是一个我一直无法理解的噩梦
• Boost图形库
  • 难以理解的对象定义，以及如何使用它们
  • 文档与代码不匹配，这是必然的
  • 它有许多我想要的算法，以及从文本文件创建图形的非常简单的方法
• 多线程图形库
  • 已合并并行性
  • 比BGL更容易阅读
  • 没有那么多功能
  • 仍然神秘

沿着这条路走下去，我设想这个图形生活在一个分布式网络上，带有分布式存储（hadoop或其他东西）。我怀疑整个图形将无法放入内存，因此我必须提出一个缓存场景来查看图形的各个部分

对于我所描述的问题，人们会推荐什么图书馆？使用BGL并编写自己的函数会更好吗？多线程版本呢？有没有哪种库更适合我想做的工作，特别是我想计算的数量

谢谢

Edit1 所以我对BGL感到非常沮丧。我有一个邻接列表图，我想在图上运行我自己版本的Johnson（或Floyd，在这一点上，我并不挑剔），并返回距离矩阵供我查看。除了我不能让它工作。以下是我迄今为止的完整代码实现：

using namespace boost;

int main()
{
//Read in the file
std::ifstream datafile("stuff");
if (!datafile)
{
    std::cerr << "No Stuff file" << std::endl;
    return EXIT_FAILURE;
}

//Build the graph
typedef adjacency_list < vecS, vecS, undirectedS, property < vertex_name_t,
    std::string >, property < edge_weight_t, double > > Graph;
Graph g;

//Build the two properties we want, string and double
//Note, you have to nest properties for more
typedef property_map< Graph, vertex_index_t >::type vertex_index_map_t;
vertex_index_map_t vertex_index_map = get(vertex_index, g);
typedef property_map < Graph, vertex_name_t >::type name_map_t;
name_map_t name_map = get(vertex_name, g);
typedef property_map < Graph, edge_weight_t >::type probability_map_t;
probability_map_t probability = get(edge_weight, g);

//Map of of the vertices by string
typedef graph_traits < Graph >::vertex_descriptor Vertex;
typedef std::map < std::string, Vertex > NameVertexMap;
NameVertexMap AllNodes;

//Load the file into the graph
for (std::string line; std::getline(datafile, line);)
{
    char_delimiters_separator < char >sep(false, "", ";");
    tokenizer <> line_toks(line, sep);
    tokenizer <>::iterator i = line_toks.begin();
    std::string conditionA = *i++;
    NameVertexMap::iterator pos;
    bool inserted;
    Vertex u, v;

    boost::tie(pos, inserted) = AllNodes.insert(std::make_pair(conditionA, Vertex()));
    if (inserted)
    {
        u = add_vertex(g);
        name_map[u] = conditionA;
        pos->second = u;
    }
    else
    {
        u = pos->second;
    }

    std::string correlation = *i++;
    std::istringstream incorrelation(correlation);
    double correlate;
    incorrelation >> correlate;

    boost::tie(pos, inserted) = AllNodes.insert(std::make_pair(*i, Vertex()));
    if (inserted) {
        v = add_vertex(g);
        name_map[v] = *i;
        pos->second = v;
    }
    else
    {
        v = pos->second;
    }

    graph_traits < Graph >::edge_descriptor e;
    boost::tie(e, inserted) = add_edge(u, v, g);
    if (inserted)
        probability[e] = 1.0/correlate;
}

typedef boost::graph_traits<Graph>::edge_iterator edge_iter;
std::pair<edge_iter, edge_iter> edgePair;
Vertex u, v;
for(edgePair = edges(g); edgePair.first != edgePair.second; ++edgePair.first)
{
    u = source(*edgePair.first, g);
    v = target(*edgePair.first, g);
    std::cout << "( " << vertex_index_map[u] << ":" << name_map[u] << ", ";
    std::cout << probability[*edgePair.first] << ", ";
    std::cout << vertex_index_map[v] << ":" << name_map[v] << " )" << std::endl;
}  
}

使用名称空间boost；
int main（）
{
//读入文件
std:：ifstream数据文件（“stuff”）；
如果（！数据文件）
{
标准：cerr>图形；
图g；
//构建我们想要的两个属性：string和double
//注意，您必须嵌套属性以获取更多信息
typedef属性映射<图形，顶点索引映射>：：键入顶点索引映射；
顶点索引映射顶点索引映射=get（顶点索引，g）；
typedef属性映射<图形，顶点名称映射>：：类型名称映射；
name\u map\u t name\u map=get（顶点名称，g）；
typedef property_map<图，边_-weight_-t>：：type probability_-map\t；
概率图概率=get（边权，g）；
//通过字符串映射顶点
typedef graph_traits：顶点描述符顶点；
typedef std:：mapNameVertexMap；
NameVertexMap所有节点；
//将文件加载到图形中
for（std:：string行；std:：getline（数据文件，行）；）
{
字符分隔符分隔符sep（false，“，”；”）；
令牌发生器线路（线路，sep）；
标记器：：迭代器i=line_toks.begin（）；
std:：string conditionA=*i++；
NameVertexMap:：迭代器pos；
布尔插入；
顶点u，v；
boost:：tie（pos，inserted）=所有节点。insert（std:：make_pair（conditionA，Vertex（））；
如果（插入）
{
u=添加_顶点（g）；
name_map[u]=conditionA；
pos->second=u；
}
其他的
{
u=位置->秒；
}
std:：string correlation=*i++；
std:：istringstream不相关（相关）；
双重关联；
不相关>>相关；
boost:：tie（pos，inserted）=所有节点。insert（std:：make_pair（*i，Vertex（））；
如果（插入）{
v=添加顶点（g）；
name_map[v]=*i；
pos->second=v；
}
其他的
{
v=位置->秒；
}
图形特征<图形>：：边描述符e；
boost:：tie（e，inserted）=添加_边（u，v，g）；
如果（插入）
概率[e]=1.0/相关；
}
typedef boost:：graph_traits:：edge_迭代器edge_iter；
标准：对边pair；
顶点u，v；
对于（edgePair=边（g）；edgePair.first！=edgePair.second；++edgePair.first）
{
u=来源（*边空气优先，g）；
v=目标（*边缘第一，g）；
标准：：cout