任务:我想使用Python的graph-tool
高效地计算DAG(有向无环图)中源节点和目标节点之间的最短路径。我的狗有负重。在
理论上,这是一个计算上“容易”的问题(即,O(V+e)),首先计算图的拓扑排序,然后访问和更新父节点和距离(例如,如所讨论的here)。在
如何使用graph-tool
有效地实现这一点?在
到目前为止我失败的尝试:
graph-tool
的shortest_path
函数从Boost Graph Library
调用Dijkstra例程将有一个可接受的运行时间,但不能完全利用DAG结构,而且无论如何也不适用于负权重shortest_path
调用Bellman-Ford
返回正确的最短路径,但没有利用DAG结构,而且速度太慢(O(VE))。在有效的DAG最短路径算法在底层Boost Graph Library中被实现为dag_shortest_paths
。有没有什么方法可以通过graph-tool
来访问这个函数,或者用graph-tool
有效地计算这个函数?在
你试过使用Networkx库吗?因为我知道,它是有效的,适用于加权和非加权图,而且使用起来非常简单。在
https://networkx.github.io/documentation/networkx-1.10/reference/generated/networkx.algorithms.shortest_paths.weighted.all_pairs_dijkstra_path.html#networkx.algorithms.shortest_paths.weighted.all_pairs_dijkstra_path
例如:
此功能已添加到git版本的graph tool中:
https://git.skewed.de/count0/graph-tool/commit/012787ecde818efc2b893ad0d8aff819b8deb6ca
一个可选参数
dag=True
现在可以传递给shortest_path()
,它可以达到您想要的效果。在相关问题 更多 >
编程相关推荐