Python networkx-遍历从节点A到节点A的所有路径,执行操作并查找最大值
假设我有一个有向图,由下面的代码生成:Python networkx-遍历从节点A到节点A的所有路径,执行操作并查找最大值,python,pandas,networkx,Python,Pandas,Networkx,假设我有一个有向图,由下面的代码生成: G = nx.DiGraph() G.add_edges_from([('A', 'B'),('B', 'A'), ('C','D'),('G','D')], weight=1) G.add_edges_from([('D','A'),('D','E'),('B','D'),('D','E')], weight=2) G.add_edges_from([('B','C'),('E','F')], weight=3) G.add_edges_from([(
G = nx.DiGraph()
G.add_edges_from([('A', 'B'),('B', 'A'), ('C','D'),('G','D')], weight=1)
G.add_edges_from([('D','A'),('D','E'),('B','D'),('D','E')], weight=2)
G.add_edges_from([('B','C'),('E','F')], weight=3)
G.add_edges_from([('C','F')], weight=4)
edge_labels=dict([((u,v,),d['weight'])
for u,v,d in G.edges(data=True)])
pos=nx.spring_layout(G)
nx.draw_networkx_edge_labels(G,pos,edge_labels=edge_labels)
nx.draw(G,pos, node_size=1500,edge_cmap=plt.cm.Reds)
pylab.show()
对于初始值n和起始节点A,假设所有节点都有入边和出边,我希望遍历网络中的每条路径,并不断地将起始n除以方向边的值,然后找到使n最大化的路径,从而再次到达节点A
例如,如果n=100,这是另一个图形的示例路径,其中我遍历一些路径并返回最终值:
n/2=50,50/5=10,10/2=5,5/0.01=500
特别是我的用例有一个更大的网络,其中迭代解决方案是不可行的。是否有一种算法可以在最小化计算时间的同时近似精确解?初始答案-基于nx.simple\u循环
有很多方法可以实现你想要的,但这里有一个建议:
首先,让我用一个具有更多循环和另一个布局的图替换原始图
G = nx.DiGraph()
G.add_edges_from([('A', 'B'),('B', 'A'), ('C','D'),('G','D')], weight=50)
G.add_edges_from([('D','B')], weight=1)
G.add_edges_from([('B','C'),('F','E'),('E','A')], weight=2)
G.add_edges_from([('C','F'),('B','G'),('A','G')], weight=3)
edge_labels=dict([((u,v,),d['weight'])
for u,v,d in G.edges(data=True)])
# improve layout and draw node labels
pos=nx.drawing.layout.circular_layout(G,scale=10)
nx.draw_networkx_edge_labels(G,pos,edge_labels=edge_labels)
nx.draw_networkx_labels(G,pos,font_color='white')
nx.draw(G,pos, node_size=1500,edge_cmap=plt.cm.Reds)
现在,我们在G
中找到所有在给定感兴趣节点开始和结束的简单循环,并计算每个循环的n
# node of interest
inode = 'A'
acycs = [ cyc for cyc in nx.simple_cycles(G) if inode in cyc ]
# for ease of computation we append the first node to the end of each cycle
acycs = [cyc+[cyc[0]] for cyc in acycs]
mcyc = []
maxn = 0
# for each cycle involving node of interest
for cyc in acycs:
n = 100
# group the nodes in the cycle by pairs
for u, v in zip(cyc[:-1], cyc[1:]):
# retrieve the respective edge weigth for the current pair
print(u,v, end=',\t')
div = G.get_edge_data(u,v)['weight']
# calculate and update n
r = n/div
print(f"{n}\t/\t{div}\t=\t{r}")
n=r
print('----------------------------------------------------------------------------')
if n>maxn:
maxn=n
mcyc=cyc
这为我们提供了从inode='A'
开始的所有循环:
[out]:
E A, 100 / 2 = 50.0
A G, 50.0 / 3 = 16.666666666666668
G D, 16.666666666666668 / 50 = 0.33333333333333337
D B, 0.33333333333333337 / 1 = 0.33333333333333337
B C, 0.33333333333333337 / 2 = 0.16666666666666669
C F, 0.16666666666666669 / 3 = 0.05555555555555556
F E, 0.05555555555555556 / 2 = 0.02777777777777778
----------------------------------------------------------------------------
E A, 100 / 2 = 50.0
A B, 50.0 / 50 = 1.0
B C, 1.0 / 2 = 0.5
C F, 0.5 / 3 = 0.16666666666666666
F E, 0.16666666666666666 / 2 = 0.08333333333333333
----------------------------------------------------------------------------
B A, 100 / 50 = 2.0
A G, 2.0 / 3 = 0.6666666666666666
G D, 0.6666666666666666 / 50 = 0.013333333333333332
D B, 0.013333333333333332 / 1 = 0.013333333333333332
----------------------------------------------------------------------------
B A, 100 / 50 = 2.0
A B, 2.0 / 50 = 0.04
----------------------------------------------------------------------------
以及使n
最大化的循环:
print(f"The loop {mcyc} in G maximizes n with {maxn}")
我已经上传了这个笔记本,以防你想克隆它并在本地测试这种方法
非迭代替代方案-基于nx.dijkstra_路径
根据您的评论,您所追求的似乎不是遍历网络中的每条路径
,而是如果可能,只遍历n-最大化路径并计算nmax
这只是Dijkstra最短路径算法的一个变种,具有更新的权重函数
但是,nx.Dijkstra_路径
在查找循环时遇到问题nx.Dijkstra_路径('A','A')
产生A
即使w(A,A)=math.inf
但我们可以使用一个技巧:
A
并引入Ai
和Ao
Ai
Ao
Ai
和Ao
,边缘权重等于math.inf
Ao
到Ai
import math
Gp = nx.DiGraph()
Gp.add_edges_from([('Ao', 'B'),('B', 'Ai'), ('C','D'),('G','D')], weight=50)
Gp.add_edges_from([('D','B')], weight=1)
Gp.add_edges_from([('B','C'),('F','E'),('E','Ai')], weight=2)
Gp.add_edges_from([('C','F'),('B','G'),('Ao','G')], weight=3)
# this edge is strictly speaking not needed.
Gp.add_edges_from([('Ai','Ao'),('Ao','Ai')], weight=math.inf)
edge_labels=dict([((u,v,),d['weight'])
for u,v,d in Gp.edges(data=True)])
pos=nx.drawing.layout.circular_layout(Gp,scale=10)
pos['Ai'], pos['B'] = pos['B'], pos['Ai']
nx.draw_networkx_edge_labels(Gp,pos,edge_labels=edge_labels)
nx.draw_networkx_labels(Gp,pos,font_color='white')
nx.draw(Gp,pos, node_size=1500,edge_cmap=plt.cm.Reds)
使用nx.dijkstra_路径
nmpath = nx.dijkstra_path(Gp,'Ao','Ai')
nmpath
[out]:['Ao','B','C','F','E','Ai']
我们可以看到该路径的权重如下所示:
lennmpath=len(nmpath)
datnmpath=[Gp.get_edge_data(u, nmpath[i+1])['weight'] for u,i in zip(nmpath[:-1], range(lnmpath))]
[out]:[50,2,3,2,2]
我们可以简单地计算nmax:
maxn=100;
for w in datnmpath: maxn/=w
print(maxn)
[输出]0.08333
我已经进行了更新,以便您可以克隆它并在本地测试此方法。也许我应该更具体一些,但我指的是非迭代解决方案。特别是我的用例有大约200个节点和更多的连接,这样循环就不可行了。是否有任何内置算法可以帮助您使用“最佳猜测”方法进行遍历?是的,您可以使用
nx.Dijkstra_path
和一个小技巧来实现这一点。但是,请注意,您不会像最初所说的那样遍历网络中的每条路径。我在回答中编辑了一个非迭代备选方案
,并举例说明了如何实现这一点。
maxn=100;
for w in datnmpath: maxn/=w
print(maxn)