用于高效加权最短路径查找的 Python 包答案

【问题标题】：Python package for efficient weighted shortest path finding用于高效加权最短路径查找的 Python 包
【发布时间】：2021-12-29 14:15:58
【问题描述】：

我的问题是找到u 和v 之间的最短路径，它们是有向图中的节点并且图的边具有权重。

我尝试过使用NetworkX，但它太慢了（在 37202 个节点和 79264 个边的图表上平均 50 毫秒）。

igraph 似乎没有为加权最短路径提供 API。

还有其他可用的工具吗？

这是我正在使用的代码。（test_graph.txt 只是图形定义，test_nodes.txt 包含用于测试的节点）

import networkx as nx
import random
from tqdm import tqdm
import time

G = nx.DiGraph()
with open("test_graph.txt") as f:
    for l in f:
        l = l.strip().split("\t")
        G.add_edge(int(l[0]), int(l[1]), length=float(l[2]))

nodes = [int(i) for i in open("test_nodes.txt")]
N = 1000
for _ in tqdm(range(N)):
    u, v = random.sample(nodes, 2)
    cnt = 0
    total = 0
    try:
        t = time.time()
        nx.shortest_path(G, u, v, weight="length")
        total += time.time() - t
        cnt += 1
    except nx.NetworkXNoPath:
        pass
print(f"{cnt/N*100:.2f} found, average {total/cnt:.6f}s")

【问题讨论】：

标签： python python-3.x graph

【解决方案1】：

您应该尝试igraph 库的get_shortest_paths 方法。它有weights 参数。你可以找到文档here。

【讨论】：

【解决方案2】：

正如@Oleksii 所指出的，igraph 可用于解决我的问题。

但是，官方文档不是很清楚。我在下面给出了一个最小的示例，作为可能遇到相同问题的任何人的参考。

import igraph

# define edges and their weights
edges=[(0,1),(1,2),(0,2)]
weights=[1,1,3]

# create directed graph
# use directed=False for undirected graph
G=igraph(edges, directed=True)

# set edge attributes
G.es['weight']=weights

# find shortest path from 0 to 2
# use predefined 'weight' attribute as weights
# the result is [[0,1],[1,2]]
path=G.get_shorted_paths(0,2,weights='weight')[0]

【讨论】：