Algorithm R中无向图的快速连通成分识别
给定一个无向图中的节点x,已知该节点x是连通分量的一部分,我试图找到属于x分量的所有节点 我当前的实现识别了无向图中的所有组件,因此不适合大型图。我目前使用ggm库中的connectedComp来实现这一点,但我更愿意从RBGL运行BFS,从节点x开始,在完全探索其组件后终止。有什么建议吗?此外,如能从R调用关于并行图算法实现的任何信息,将不胜感激Algorithm R中无向图的快速连通成分识别,algorithm,r,graph-theory,Algorithm,R,Graph Theory,给定一个无向图中的节点x,已知该节点x是连通分量的一部分,我试图找到属于x分量的所有节点 我当前的实现识别了无向图中的所有组件,因此不适合大型图。我目前使用ggm库中的connectedComp来实现这一点,但我更愿意从RBGL运行BFS,从节点x开始,在完全探索其组件后终止。有什么建议吗?此外,如能从R调用关于并行图算法实现的任何信息,将不胜感激 library("ggm") x <- 2 > graph 1 2 3 4 5 6 7 8 9 10 1 0 0 0 0 0
library("ggm")
x <- 2
> graph
1 2 3 4 5 6 7 8 9 10
1 0 0 0 0 0 0 0 0 0 0
2 0 0 1 0 0 1 0 0 0 0
3 0 1 0 0 0 1 1 1 0 0
4 0 0 0 0 0 0 0 0 0 0
5 0 0 0 0 0 0 0 0 0 0
6 0 1 1 0 0 0 0 0 0 0
7 0 0 1 0 0 0 0 0 0 0
8 0 0 1 0 0 0 0 0 0 0
9 0 0 0 0 0 0 0 0 0 0
10 0 0 0 0 0 0 0 0 0 0
graph_object <- as(graph, "graphNEL")
# All connected components of graph using connectedComp function:
comp_list <- connectedComp(graph_object)
> comp_list
$`1`
[1] "1"
$`2`
[1] "2" "3" "6" "7" "8"
$`3`
[1] "4"
$`4`
[1] "5"
$`5`
[1] "9"
$`6`
[1] "10"
# Extract adjacency matrix of component containing x:
comp_x <- seq_along(comp_list)[sapply(comp_list, FUN=function(list) x %in% list)]
> comp_x
[1] 2
comp_x_list <- comp_list[[comp_x]]
> comp_x_list
[1] "2" "3" "6" "7" "8"
comp_x <- graph[comp_x_list, comp_x_list]
> comp_x
2 3 6 7 8
2 0 1 1 0 0
3 1 0 1 1 1
6 1 1 0 0 0
7 0 1 0 0 0
8 0 1 0 0 0
库(“ggm”)
x图
1 2 3 4 5 6 7 8 9 10
1 0 0 0 0 0 0 0 0 0 0
2 0 0 1 0 0 1 0 0 0 0
3 0 1 0 0 0 1 1 1 0 0
4 0 0 0 0 0 0 0 0 0 0
5 0 0 0 0 0 0 0 0 0 0
6 0 1 1 0 0 0 0 0 0 0
7 0 0 1 0 0 0 0 0 0 0
8 0 0 1 0 0 0 0 0 0 0
9 0 0 0 0 0 0 0 0 0 0
10 0 0 0 0 0 0 0 0 0 0
graph\u object在我看来,使用预处理图形将给您带来最好的结果。
如果将图形存储为边列表而不是邻接矩阵,则速度会更快
如果您需要并行解决方案,那么您应该阅读有关的内容,我认为预处理图形将为您提供最佳结果。
如果将图形存储为边列表而不是邻接矩阵,则速度会更快
如果你需要并行解决方案,那么你应该在节点上阅读关于/p>Run-BFS,它不应该那么难。确实,但是问题是我想从Boost Sunce快速实现它调用C++。我正在寻找这个问题的大规模并行实现,它的样式是:节点上的www. aai.org/cay/aai/…/aaAI05-219.PDFRUN BFS,它不应该那么困难。是的,但是问题是,我希望从Boost SucEe调用C++实现快速的实现。我正在寻找这个问题的大规模并行实现:www.aaai.org/Papers/aaai/../AAAI05-219.pdf