python最短路径的可视化_python graph_tool：获取_all_最短路径

我想计算图中所有对之间的所有最短路径.为此,我在图中的每个节点对使用

graph_tool的all_shortest_paths函数.根据文档,如果给出,该函数能够尊重边权重.乍一看这很好用.但是,我发现返回的最短路径列表不完整.它似乎只包括最短路径,它也使用来自整套最短路径的最少量的跳跃.

这是一个小例子：

import graph_tool

import graph_tool.topology

#setup graph

g = graph_tool.Graph()

g.add_vertex(5)

edges = [(0,1),(1,2),(3,2),(0,4),(4,3)]

metrics = [3, 4, 2, 1, 3]

g.edge_properties["metric"] = g.new_edge_property("int")

for i in range(len(metrics)):

e = g.add_edge(*(edges[i]))

g.edge_properties["metric"][e] = metrics[i]

#compute all shortest paths from 0 to 2

paths = graph_tool.topology.all_shortest_paths(g, 0, 2, weights=g.edge_properties["metric"])

for path in paths:

print(path)

print("-"*10)

#increase metric of edge 0-4

g.edge_properties["metric"][g.edge(0,4)] = 2

#recompute all shortest paths from 0 to 2

paths = graph_tool.topology.all_shortest_paths(g, 0, 2, weights=g.edge_properties["metric"])

for path in paths:

print(path)

它生成一个包含5个顶点和边的图形,形成从顶点0到顶点2的2条路径,如下所示：

0 --- 1 --- 2

\ /

\ /

4 --- 3

显然,就跳数而言,路径[0,1,2]比[0,4,3,2]短.如果没有给出度量标准,则会正确识别(此处未演示).

在示例的开头,边缘以这样的方式加权,使得具有更多跳跃的第二路径“更短”.度量的总和是6,而另一个路径的总值是7.因此,算法正确地返回[0,4,3,2].

然后,0到4之间的边的度量增加1.现在两个路径具有相同的总值,并且都应该返回.然而,该算法仅返回[0,1,2].我只能假设跳数仍然以某种方式考虑在内,即使我指定了一个度量标准,这就是为什么第二条路径被忽略的原因.据我所知,在官方文档中没有提到这种行为.

我忽略了什么吗？有没有更好的功能来做到这一点,即使是一个不同的库？我已经将igraph作为替代方案,但它似乎只能计算每个节点对的一条最短路径.

感谢您抓住这一点,以及非常明确的例子！