0

我有以下 Python 代码，它与有向图完美配合。我的问题是如何修改代码以找到所有路径而忽略边缘的方向。

例如，如果我们有以下连接：

1->2

3->2

我的代码不会返回 1 到 3 之间的路径，这是预期的。但是忽略边缘的方向，代码应该找到从 1 到 3 的路径。

我希望代码忽略方向并找到两个给定节点之间的所有路径。

我尝试了建议的解决方案，它的效果非常好，解决方案是：“最简单的解决方案可能是通过为图中的每个 A->B 添加弧 B->A 来预处理您的图表。 ”

我真正想要的是修改算法本身以按原样处理图形。

蟒蛇代码：

# a sample graph
graph = {'A': ['B', 'C','E'],
             'B': ['A','C', 'D'],
             'C': ['D'],
             'D': ['C'],
             'E': ['F','D'],
             'F': ['C']}

class MyQUEUE: # just an implementation of a queue

    def __init__(self):
        self.holder = []

    def enqueue(self,val):
        self.holder.append(val)

    def dequeue(self):
        val = None
        try:
            val = self.holder[0]
            if len(self.holder) == 1:
                self.holder = []
            else:
                self.holder = self.holder[1:]   
        except:
            pass

        return val  

    def IsEmpty(self):
        result = False
        if len(self.holder) == 0:
            result = True
        return result


path_queue = MyQUEUE() # now we make a queue


def BFS(graph,start,end,q):

    temp_path = [start]

    q.enqueue(temp_path)

    while q.IsEmpty() == False:
        tmp_path = q.dequeue()
        last_node = tmp_path[len(tmp_path)-1]
        #print tmp_path
        if last_node == end:
            print "VALID_PATH : ",tmp_path
        for link_node in graph[last_node]:
            if link_node not in tmp_path:
                new_path = []
                new_path = tmp_path + [link_node]
                q.enqueue(new_path)

BFS(graph,"A","D",path_queue)

-------------代码的输出--------

['A', 'B', 'D'] 
['A', 'C', 'D']
['A', 'E', 'D']
['A', 'B', 'C', 'D']
['A', 'E', 'F', 'C', 'D']

注意：我标记了 Java，以防有人对 Java 中的相同问题有解决方案

4

2 回答 2

3

B->A最简单的解决方案可能是通过为图中的每个内容添加弧来预处理您A->B的图表。然后你应该能够按原样使用你的算法。

于 2012-12-14T17:22:47.697 回答
1

每种算法都使用特定的数据结构和该数据结构所代表的明确图。特定的数据结构也是表示特定类型图形的好选择。

例如，如果你有（你有）表示有向图的邻接表，并且你希望你的算法将它用作表示无向图的数据结构，你可以这样做，但它会非常无效，只是因为找出节点之间是否存在边“A”和节点“B”表示确定“B”是否位于代表“A”的相邻节点的行中，以及“A”是否位于代表“B”的相邻节点的行中。因此，如果您想仅使用数据结构来识别与节点“A”相邻的所有节点，而无需进行一些预处理，则搜索完整的邻接列表需要时间。

在您的情况下for link_node in graph[last_node]:，用一些更复杂的表达式替换行，该表达式遍历整个邻接列表。

编辑： 我想到了另一个想法，您也可以即时“预处理”您的图表。我的意思是，每当您的算法涉及边缘“A”->“B”时，它也会将边缘“B”->“A”添加到您的图表中。一个缺点是如果已经添加了一些边，您需要额外的数据结构来保存信息，相反，您必须只添加有趣的边。

于 2012-12-15T18:20:20.740 回答