Python NetworkX node_disjoint_paths用法及代码示例

计算源和目标之间的节点不相交路径。

节点不相交路径是仅共享其第一个和最后一个节点的路径。两个节点之间的节点独立路径的数量等于它们的本地节点连通性。

参数：

G：NetworkX 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。

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。

返回：

paths：生成器

节点不相交路径的生成器。

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：

这是节点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节点不相交路径。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，它的节点连通性为 5，因此任何一对非邻居节点之间有 5 条节点不相交的路径。

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

如果需要计算同一图中多对节点之间的节点不相交路径，建议重用NetworkX在计算中使用的数据结构：节点连通性和节点割的辅助有向图，以及残差网络用于底层最大流量计算。

如何重用数据结构计算节点不相交路径的示例：

>>> # 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")
>>> # Reuse the auxiliary digraph and the residual network by passing them
>>> # as arguments
>>> len(list(nx.node_disjoint_paths(G, 0, 6, auxiliary=H, residual=R)))
5

您还可以使用替代流算法来计算节点不相交的路径。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.node_disjoint_paths(G, 0, 6, flow_func=shortest_augmenting_path)))
5