NetworkX 加权有向图算法答案

【问题标题】：NetworkX weighted digraph algorithmsNetworkX 加权有向图算法
【发布时间】：2019-03-01 01:12:39
【问题描述】：

我正在尝试解决类似于我在下面描述的问题。您能否提出解决方案或推荐一些算法以在 NetworkX 中尝试。非常感谢。

假设有一个球的起始动量为 100。在失去所有动量并停止之前，球在所有可能的路径中能走多远？

当球滚上坡时，它会失去动量（即边缘的重量为负）。

当球滚下坡时，它会获得动量（即边缘具有正权重）。

例子：

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

第二条路径：(1)--[权重：-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，球不会经过节点 1。

【问题讨论】：

您好 W3LS ...一些示例代码显示您到目前为止所尝试的内容会有所帮助。
您可能希望在能量方面做到这一点。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。

标签： python networkx

【解决方案1】：

我没有在Networkx 中找到任何为此目的的特殊算法。您可以使用以下函数，该函数使用 Bellman-Ford 算法：

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]

【讨论】：

【解决方案2】：

bellman_ford_predecessor_and_distance 算法似乎有效。如果距离

import networkx as nx

G = nx.DiGraph()

G.add_edge(1, 2, weight= -50)
G.add_edge(2, 3, weight= 40)
G.add_edge(3, 4, weight= -50)
G.add_edge(4, 5, weight= -90)
G.add_edge(1, 6, weight= -105)
G.add_edge(6, 7, weight= 110)

pred, dist = nx.bellman_ford_predecessor_and_distance(G, 1)

print(pred, dist)

F = G

for x, y in dist.items():
 if y <= -100:
  z = pred.get(x)[0]
  F.remove_edge(z,x)  

pred, dist = nx.bellman_ford_predecessor_and_distance(G, 1)

print(pred, dist)

【讨论】：