Python NetworkX加权有向图算法

我试图解决一个类似于我在下面描述的问题。请您提出一个解决方案或推荐一些算法在NetworkX中试用。非常感谢

假设有一个起始动量为100的球。在失去所有动量并停止之前，球能沿着所有可能的路径走多远

当球滚上坡时，它失去动量（即边缘有负重）

当球滚下山时，它获得动量（即边缘具有正重量）

示例：

第一条路径：（1）-[weight:-50]-->（2）-[weight:40]-->（3）-[weight:-50]-->（4）-[weight:-90]-->（5）

第二条路径：（1）——[重量：-105]——>（6）

等等

---

因此，在第一条路径中，球只能到达节点4。在第二条路径中，球没有通过节点1。

贝尔曼·福特·前辈·距离算法似乎有效。如果距离bellman\u-ford\u-preference\u和\u-distance算法似乎有效。如果距离我在

Networkx

中没有找到任何用于此目的的特殊算法。您可以使用以下使用Bellman-Ford算法的函数：

import networkx as nx

G = nx.DiGraph()
G.add_weighted_edges_from([(1, 2, -50), (2, 3, 40), (3, 4, -50),
                           (4, 5, -90), (1, 6, -105)])

def func(graph, source, target, start_weight):
    total = start_weight
    path = []
    p = nx.bellman_ford_path(graph, source, target)
    for u, v in zip(p, p[1:]):
        total += G[u][v]['weight']
        path.append(u)
        if total < 0:
            return path
    else:
        return path

print(func(G, 1, 5, 100))
# [1, 2, 3, 4]

print(func(G, 1, 6, 100))
# [1]

将networkx导入为nx
G=nx.DiGraph（）
G.从（[（1,2，-50），（2,3,40），（3,4，-50）中添加加权边，
(4, 5, -90), (1, 6, -105)])
def func（图形、源、目标、起始重量）：
总重量=起始重量
路径=[]
p=nx.bellman\u ford\u路径（图、源、目标）
对于压缩中的u，v（p，p[1:]）：
总重量+=G[u][v][‘重量’]
路径追加（u）
如果总数<0：
返回路径
其他：
返回路径
打印（func（G，1，5，100））
# [1, 2, 3, 4]
打印（功能（G，1，6，100））
# [1]

我在

Networkx

中没有找到任何用于此目的的特殊算法。您可以使用以下使用Bellman-Ford算法的函数：

import networkx as nx

G = nx.DiGraph()
G.add_weighted_edges_from([(1, 2, -50), (2, 3, 40), (3, 4, -50),
                           (4, 5, -90), (1, 6, -105)])

def func(graph, source, target, start_weight):
    total = start_weight
    path = []
    p = nx.bellman_ford_path(graph, source, target)
    for u, v in zip(p, p[1:]):
        total += G[u][v]['weight']
        path.append(u)
        if total < 0:
            return path
    else:
        return path

print(func(G, 1, 5, 100))
# [1, 2, 3, 4]

print(func(G, 1, 6, 100))
# [1]

将networkx导入为nx
G=nx.DiGraph（）
G.从（[（1,2，-50），（2,3,40），（3,4，-50）中添加加权边，
(4, 5, -90), (1, 6, -105)])
def func（图形、源、目标、起始重量）：
总重量=起始重量
路径=[]
p=nx.bellman\u ford\u路径（图、源、目标）
对于压缩中的u，v（p，p[1:]）：
总重量+=G[u][v][‘重量’]
路径追加（u）
如果总数<0：
返回路径
其他：
返回路径
打印（func（G，1，5，100））
# [1, 2, 3, 4]
打印（功能（G，1，6，100））
# [1]

Hi W3LS。。。一些示例代码显示您迄今为止所做的尝试会很有帮助。您可能希望在能量方面这样做。一个球在上坡/下坡时获得或失去的动量部分取决于它到达山坡时的速度。嗨，W3LS。。。一些示例代码显示您迄今为止所做的尝试会很有帮助。您可能希望在能量方面这样做。一个球在上坡/下坡时获得或失去的动量部分取决于它到达山坡时的速度。