networkx.algorithms.connectivity.connectivity.local_node_connectivity
的用法。用法:
local_node_connectivity(G, s, t, flow_func=None, auxiliary=None, residual=None, cutoff=None)
计算节点 s 和 t 的本地节点连接性。
两个非相邻节点 s 和 t 的本地节点连通性是必须移除(连同它们的入射边)以断开它们的最小节点数。
这是基于流的节点连接实现。我们根据原始输入图计算辅助有向图构建的最大流量(详见下文)。
- G:NetworkX 图
无向图
- s:节点
Source node
- t:节点
目标节点
- flow_func:函数
用于计算一对节点之间的最大流量的函数。该函数必须接受至少三个参数:有向图、源节点和目标节点。并返回遵循NetworkX 约定的残差网络(有关详细信息,请参阅
maximum_flow()
)。如果 flow_func 为 None,则使用默认的最大流量函数 (edmonds_karp()
)。详情见下文。默认函数的选择可能会因版本而异,不应依赖。默认值:无。- auxiliary:NetworkX 有向图
用于计算基于流的节点连接性的辅助有向图。它必须有一个称为映射的图形属性,在 G 和辅助有向图中有一个字典映射节点名称。如果提供,它将被重用而不是重新创建。默认值:无。
- residual:NetworkX 有向图
计算最大流量的残差网络。如果提供,它将被重用而不是重新创建。默认值:无。
- cutoff:整数,浮点数
如果指定,最大流量算法将在流量值达到或超过截止值时终止。这仅适用于支持截止参数的算法:
edmonds_karp()
和shortest_augmenting_path()
。其他算法将忽略此参数。默认值:无。
- K:整数
节点 s 和 t 的本地节点连接
参数:
返回:
注意:
这是基于流的节点连接实现。默认情况下,我们使用
edmonds_karp()
算法(参见:maximum_flow()
)在从原始输入图构建的辅助有向图上计算最大流量:对于具有
n
节点和m
边的无向图 G,我们通过将每个原始节点v
替换为两个链接的节点v_A
、v_B
来导出具有2n
节点和2m+n
弧的有向图 H然后,对于 G 中的每条边(u
、v
),我们在 H 中添加两条弧(u_B
、v_A
)和(v_B
、u_A
)。最后,我们为 H [1] 中的每个弧设置属性容量 = 1。对于具有
n
节点和m
弧的有向图G,我们通过将每个原始节点v
替换为两个节点v_A
、v_B
链接来导出具有2n
节点和m+n
弧的有向图H通过 H 中的(内部)弧(v_A
,v_B
)。然后对于 G 中的每个弧(u
,v
),我们在 H 中添加一个弧(u_B
,v_A
)。最后我们为 H 中的每个弧设置属性容量 = 1。这等于本地节点的连通性,因为最大s-t-flow 的值等于最小s-t-cut 的容量。
参考:
- 1
Kammer, Frank and Hanjo Taubig. Graph Connectivity. in Brandes and Erlebach, ‘Network Analysis: Methodological Foundations’, Lecture Notes in Computer Science, Volume 3418, Springer-Verlag, 2005. http://www.informatik.uni-augsburg.de/thi/personen/kammer/Graph_Connectivity.pdf
例子:
此函数未在基本 NetworkX 命名空间中导入,因此您必须从连接包中显式导入它:
>>> from networkx.algorithms.connectivity import local_node_connectivity
我们在这个例子中使用了柏拉图二十面体图,它的节点连通性为 5。
>>> G = nx.icosahedral_graph() >>> local_node_connectivity(G, 0, 6) 5
如果需要计算同一个图中多对节点的局部连通性,建议重用NetworkX在计算中使用的数据结构:节点连通性的辅助有向图,底层最大值的残差网络流量计算。
如何计算重用数据结构的柏拉图二十面体图的所有节点对之间的局部节点连通性的示例。
>>> import itertools >>> # You also have to explicitly import the function for >>> # building the auxiliary digraph from the connectivity package >>> from networkx.algorithms.connectivity import build_auxiliary_node_connectivity ... >>> H = build_auxiliary_node_connectivity(G) >>> # And the function for building the residual network from the >>> # flow package >>> from networkx.algorithms.flow import build_residual_network >>> # Note that the auxiliary digraph has an edge attribute named capacity >>> R = build_residual_network(H, "capacity") >>> result = dict.fromkeys(G, dict()) >>> # Reuse the auxiliary digraph and the residual network by passing them >>> # as parameters >>> for u, v in itertools.combinations(G, 2): ... k = local_node_connectivity(G, u, v, auxiliary=H, residual=R) ... result[u][v] = k ... >>> all(result[u][v] == 5 for u, v in itertools.combinations(G, 2)) True
您还可以使用替代流算法来计算节点连接性。例如,在密集网络中,算法
shortest_augmenting_path()
通常会比默认的edmonds_karp()
执行得更好,这对于具有高度倾斜度分布的稀疏网络来说更快。替代流函数必须从流包中显式导入。>>> from networkx.algorithms.flow import shortest_augmenting_path >>> local_node_connectivity(G, 0, 6, flow_func=shortest_augmenting_path) 5
相关用法
- Python NetworkX local_node_connectivity用法及代码示例
- Python NetworkX local_and_global_consistency用法及代码示例
- Python NetworkX local_bridges用法及代码示例
- Python NetworkX local_edge_connectivity用法及代码示例
- Python NetworkX local_reaching_centrality用法及代码示例
- Python NetworkX louvain_communities用法及代码示例
- Python NetworkX latapy_clustering用法及代码示例
- Python NetworkX lexicographical_topological_sort用法及代码示例
- Python NetworkX line_graph用法及代码示例
- Python NetworkX lexicographic_product用法及代码示例
- Python NetworkX negative_edge_cycle用法及代码示例
- Python NetworkX voronoi_cells用法及代码示例
- Python NetworkX numerical_edge_match用法及代码示例
- Python NetworkX inverse_line_graph用法及代码示例
- Python NetworkX LFR_benchmark_graph用法及代码示例
- Python NetworkX write_graph6用法及代码示例
- Python NetworkX DiGraph.__contains__用法及代码示例
- Python NetworkX average_degree_connectivity用法及代码示例
- Python NetworkX eulerian_circuit用法及代码示例
- Python NetworkX single_source_dijkstra_path_length用法及代码示例
- Python NetworkX from_dict_of_dicts用法及代码示例
- Python NetworkX weisfeiler_lehman_subgraph_hashes用法及代码示例
- Python NetworkX transitive_closure_dag用法及代码示例
- Python NetworkX intersection用法及代码示例
- Python NetworkX MultiGraph.size用法及代码示例
注:本文由纯净天空筛选整理自networkx.org大神的英文原创作品 networkx.algorithms.connectivity.connectivity.local_node_connectivity。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。