Parallel processing 请帮助我使用Boost图形库 我想在Boost图形库C++中使用 DeNexBuruvKaMuimuMuthSpangnIn树函数。我想做的是生成一个随机图,然后将其输入到该函数中,并行运行Boruvka算法。有谁能帮我写几行代码来说明这个函数是如何使用的

Parallel processing 请帮助我使用Boost图形库 我想在Boost图形库C++中使用 DeNexBuruvKaMuimuMuthSpangnIn树函数。我想做的是生成一个随机图,然后将其输入到该函数中,并行运行Boruvka算法。有谁能帮我写几行代码来说明这个函数是如何使用的,parallel-processing,boost-graph,minimum-spanning-tree,Parallel Processing,Boost Graph,Minimum Spanning Tree,有帮助吗 typedef邻接列表图; typedef图形特征::顶点描述符顶点描述符; typedef图形特征::顶点迭代器顶点迭代器; typedef图形特征::边描述符边描述符; typedef std::对E; const int num_nodes=5; E边_数组[]={E(0,2),E(1,3),E(1,4),E(2,1),E(2,3), E(3,4),E(4,0),E(4,1) }; 整数权重[]={1,1,2,7,3,1,1,1}; std::size\t num\u edges

有帮助吗

typedef邻接列表图;
typedef图形特征::顶点描述符顶点描述符;
typedef图形特征::顶点迭代器顶点迭代器;
typedef图形特征::边描述符边描述符;
typedef std::对E;
const int num_nodes=5;
E边_数组[]={E(0,2),E(1,3),E(1,4),E(2,1),E(2,3),
E(3,4),E(4,0),E(4,1)
};
整数权重[]={1,1,2,7,3,1,1,1};
std::size\t num\u edges=sizeof(edge\u数组)/sizeof(E);
图g(边数组,边数组+num边,权重,num节点);
typedef属性_映射::类型WeightMap;
WeightMap-weight\u-map=get(边权重,g);
std::向量mst_边;
稠密boruvka最小生成树(生成顶点列表),
重量图,
标准:背面插入器(mst_边缘);

这个问题没有研究的迹象。阅读文档,谷歌,尝试一些代码。如果仍然卡住,请发布代码并寻求具体帮助。
typedef adjacency_list<listS, 
                     distributedS<mpi_process_group, vecS>,
                     undirectedS,
                     no_property,
                     property<edge_weight_t, int> > Graph;

typedef graph_traits<Graph>::vertex_descriptor vertex_descriptor;
typedef graph_traits<Graph>::vertex_iterator vertex_iterator;
typedef graph_traits<Graph>::edge_descriptor edge_descriptor;

typedef std::pair<int, int> E;

const int num_nodes = 5;
E edge_array[] = { E(0, 2), E(1, 3), E(1, 4), E(2, 1), E(2, 3),
    E(3, 4), E(4, 0), E(4, 1)
};
int weights[] = { 1, 1, 2, 7, 3, 1, 1, 1 };
std::size_t num_edges = sizeof(edge_array) / sizeof(E);

Graph g(edge_array, edge_array + num_edges, weights, num_nodes);

typedef property_map<Graph, edge_weight_t>::type WeightMap;
WeightMap weight_map = get(edge_weight, g);

std::vector<edge_descriptor> mst_edges;
dense_boruvka_minimum_spanning_tree(make_vertex_list_adaptor(g), 
                                    weight_map, 
                                    std::back_inserter(mst_edges));