Python NetworkX edge_disjoint_paths用法及代码示例

本文简要介绍 networkx.algorithms.connectivity.disjoint_paths.edge_disjoint_paths 的用法。

用法: edge_disjoint_paths(G, s, t, flow_func=None, cutoff=None, auxiliary=None, residual=None)

返回源和目标之间的边不相交路径。

边不相交路径是不共享任何边的路径。源和目标之间的边不相交路径的数量等于它们的边连通性。

参数：

G：NetworkX 图
s：节点: 流的源节点。
t：节点: 流的汇节点。
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())。默认函数的选择可能会因版本而异，不应依赖。默认值：无。
cutoff：int: 产生的最大路径数。一些最大流量算法，如edmonds_karp()(默认)和shortest_augmenting_path()支持cutoff参数，当流量值达到或超过cutoff时会终止。其他算法将忽略此参数。默认值：无。
auxiliary：NetworkX 有向图: 用于计算基于流的边连接的辅助有向图。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。

paths：生成器: 边独立路径的生成器。

抛出：

NetworkXNoPath: 如果源和目标之间没有路径。
NetworkXError: 如果源或目标不在图表 G 中。

注意：

这是边不相交路径的基于流的实现。我们计算辅助有向网络上源和目标之间的最大流量。运行最大流算法后残差网络中的饱和边对应于原始网络中源和目标之间的边不相交路径。此函数处理有向图和无向图，并且可以使用NetworkX 流包中的所有流算法。

例子：

我们在这个例子中使用了柏拉图二十面体图，它的节点边连通性为 5，因此任何一对节点之间都有 5 条边不相交的路径。

>>> G = nx.icosahedral_graph()
>>> len(list(nx.edge_disjoint_paths(G, 0, 6)))
5

如果需要在同一个图中计算多对节点的边不相交路径，建议重用NetworkX在计算中使用的数据结构：边连接的辅助有向图，底层的残差网络最大流量计算。

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边不相交路径的示例。

>>> 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_edge_connectivity
>>> H = build_auxiliary_edge_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 = {n: {} for n in G}
>>> # Reuse the auxiliary digraph and the residual network by passing them
>>> # as arguments
>>> for u, v in itertools.combinations(G, 2):
...     k = len(list(nx.edge_disjoint_paths(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边不相交路径。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
>>> len(list(nx.edge_disjoint_paths(G, 0, 6, flow_func=shortest_augmenting_path)))
5

相关用法

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.disjoint_paths.edge_disjoint_paths。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。

用法:

参数：

返回：

抛出：

注意：

例子：