2011-07-12 65 views
4

我需要某種計算,其值由下面的inneficient僞Python代碼給出:在圖表中獲取次最近鄰居的最佳方式是什麼?

def foo(a,b): 
    tmp = 0 
    for i in graph.nodes(): 
     for j in graph.nodes(): 
      tmp += c 
      if (i and j are neighbors): 
       tmp += a - c 
      elif (i and j are next-neighbors): 
       tmp += b - c 
    return tmp 

換言之,給出的所有的節點對,FOO = A *(E =邊的數量)+ B *(EE =不是鄰居但具有共同鄰居的對的數量)+ c *(N(N-1)/ 2 -EE-E)。

我試着想在某種廣度上先搜索,但我不能。

編輯:更多信息

  • 圖不是靜態的。我經常添加和刪除邊緣,所以我不能只計算一次。我必須不斷更新「下一個鄰居列表」。
  • 我將圖存儲爲一個鄰接矩陣。
+0

圖表如何存儲? – Patrick

+0

鄰接矩陣。 –

+0

頂點數是否不變? – Szabolcs

回答

4

這是一個粗略的想法。但首先,一些假設:1.無向圖2.恆定頂點數

您的圖形不斷變化。所以你需要保持鄰居(邊緣)和第二鄰居的數量得到有效更新。第一個是微不足道的,所以我們來看看第二個鄰居。

Per @ Patrick的建議,讓我們使用A^2,讓我們看看如何有效地更新它,而不必每次重新從頭開始重新計算它。 A^2_ij是從ij的長度 - 兩條路徑的數量,請記住它也會有對角條目,因爲從頂點到它自身總是有一條長度爲兩條的路徑。如果您有A^2,則可以很容易地計算次鄰居的數量,因此讓我們在圖表更改時保持A^2在內存中的更新。

如何更新A^2有效:

當您添加/刪除邊緣,你這是隻有兩個條目的矩陣B改變A。假設我們正在添加(而不是刪除)邊緣。然後(A+B)^2 = A^2 + AB + BA + B^2

假設加入的邊緣是(i,j)

  • B^2很簡單:(B^2)_ii = (B^2)_jj = 1,其餘爲0。
  • AB = transpose(BA)所以我們只需要計算兩個中的一個,說BA。結果是BA的行iA的行jBA的行j是行iA,其餘爲零。所以再次,計算速度很快。

刪除邊緣將類似。

你只需要計數的第二鄰居,所以不是計數A^2在每個步驟中有多少非零非對角線元素,有一些額外的工作,你可以通過非數量多少算當您添加AB + BA時,A^2中的零條目更改。

編輯

這整個事情在不同的語言解釋:

讓我們跟蹤任意兩個頂點之間的長度,兩條路徑的數量在矩陣M。當我們添加(刪除)ij之間的邊沿時,長度爲2的路徑的數量將在i與所有鄰居j以及j和所有鄰居i之間增加(減少)一個,因此M很容易更新在每次更改圖後的O(n)時間。

+0

太棒了!這正是我所需要的,謝謝。每次更改O(1)查找圖的O(N)更新!!!完美。 –

0

如果存儲在Adjacency MatrixA上圖可以發現所有長度由矩陣本身(A^2)乘2路,如果這是你在問什麼。

這將花費O(n^3)時間進行預處理,但是您可以在同一時間內執行對鄰居和「下一個鄰居」的查找。

+0

問題是我的圖形不是靜態的。我不斷添加和刪除邊緣。 –

+1

請注意,一個節點也有一個長度爲*本身的路徑('1 - > 2 - > 1'),所以如果使用方矩陣來計算下一個鄰居,則需要對此進行更正。 – Szabolcs

+0

「長度*兩*的路徑」,我的意思是。錯字。 – Szabolcs

0

獲取節點的鄰居列表(node_main)。拜訪每個鄰居。將它的每個鄰居添加到鄰居鄰居列表,除非它是node_main的鄰居之一(或者是node_main本身)。我錯過了什麼嗎?

+0

我的圖是一個鄰接矩陣。這將是O(N^2)。我想也許有一個O(N.log(N))的方式來做到這一點。如果我這樣做,我相信會兩次訪問每一對鄰居,並且每一對鄰居都會超過兩次。 –

+0

原諒我,我的圖論是大約10歲。獲取當前鄰居列表並訪問每個列表(一次)似乎很簡單,就像在任何廣度優先搜索中一樣。從那裏你只是檢查節點鄰居是否在你的鄰居列表中,其中包括你正在計算的原始節點。您也可以訪問每個鄰居並將其所有鄰居添加到列表中。使結果列表唯一併刪除主節點及其直接鄰居,你有你的列表。性能由連通性決定,其中完全連通的圖是最壞的情況,仍然是O(N^2),對嗎? –

+0

但是,如果我使用鄰接矩陣,我必須總是檢查所有節點以確定鄰居列表,因此得到鄰居總是O(N),並且鄰居的鄰居總是O(N^2),無論圖的連通性。我猜我被O(N^2)卡住了。 :( –