graph-algorithm

    0熱度

    1回答

    好的,那麼SET在第二行代表什麼?爲什麼是<>中的第二個字符串? public Weighted(In in, String delimiter) { st = new ST<String, SET<String>>(); while (!in.isEmpty()) { String line = in.readLine(); String[] nam

    0熱度

    1回答

    我正在研究一個可以簡化爲圖優化問題的問題,如下所示。 給出了一組彩色節點。 給出了一組關於來自節點的成本貢獻的規則。 Ex。 如果紅色節點未連接時,成本是100 如果紅色節點連接到紅色節點,成本是10 如果紅色節點連接到藍色節點,成本爲20 任何節點最多隻能有4個連接。 的問題是優化連接(頂點),使得總成本最小化,並且最終圖形服從規則。 我想知道如果這個問題,也許以某種其他方式,已知。如果是這樣,

    1熱度

    3回答

    考慮具有AND節點和OR節點的有向圖。 AND節點只有在激活所有入邊時才被激活。如果OR節點中至少有一個進入激活狀態,激活OR節點。如何設計一個高效算法來決定是否所有節點都可以被激活?我想到了一些天真的算法,但它需要O(n^3)時間。我也假定沒有邊的頂點最初被激活。我相信n^3不是一個有效的算法,並且有一些我缺少的方法。標記問題可能有解決方案的領域。

    3熱度

    1回答

    我正在嘗試實現tarjan的算法。 我決定生成一個隨機圖作爲算法的輸入,一次添加一條邊。 我生成的隨機圖形,並在文件中保存它,如下圖所示 from networkx import * import sys import matplotlib.pyplot as plt n = 10 # 10 nodes m = 20 # 20 edges G = gnm_random_graph(n

    0熱度

    1回答

    我開始學習流API,但無法通過這一個。 我執行圖表,所以我上課像這樣: 圖 - >節點 - >邊緣 節點在圖中存儲的Hashset中;也在節點邊緣。 這裏是代碼: Graph g = new Graph("Graph 1"); g.addNode(new Node("A")); g.addNode(new Node("B")); g.connectNodes("A",

    0熱度

    1回答

    嗨我正在使用複合模式。我將使用Head First Design Pattern的這個例子來解釋https://github.com/bethrobson/Head-First-Design-Patterns/tree/master/src/headfirst/designpatterns/composite/menuiterator 想象一下,每個菜單和子菜單都有一個Id來標識,它的長度是10。

    1熱度

    3回答

    正如我所看到的,Dijkstra's和Prim的算法都是相同的。這裏是維基百科的僞代碼,我將解釋我的困惑。 1 function Dijkstra(Graph, source): 2 dist[source] ← 0 // Initialization 3 4 create vertex set Q 5 6 for each vertex v in Graph:

    1熱度

    2回答

    我具有CSV格式邊緣的大向圖(〜14GB)表示爲以下列格式的整數: node1,node2 3213741,23521361 3213741,6532710 3213741,12340611 3213741,6457392 3213741,9682135 6567133,12956771 6567133,2386 node1是邊緣開始,node2是邊緣結束的地方。邊緣按node1分

    0熱度

    1回答

    我寫了檢查代碼的特定值失敗兩棵樹是否同構與否: n = int(input()) parent1 = [int(item) for item in input().split()] parent2 = [int(item) for item in input().split()] #Structure to store information about nodes class Tre

    0熱度

    1回答

    我知道如何找到關於使用DFS變體的無向圖的關節點。但它似乎是無向圖,只能看後面的邊緣。但是,如果我的圖有前沿或者交叉邊,我該如何找到銜接點。我知道我總是可以爲每個節點運行dfs,並計算出來,但有沒有更好的算法。