python - 改进广度优先搜索，找到图中最高分离度的搜索

Question

输入图:我有一个字典，它表示一个有向图，其中键是一个节点，值是它指向的节点。

输入英雄:所有节点的集合

该方法用于查找所有节点组合之间的最大分离度。

def largestDegreeOfSeparation(graph, heroes):
    q = deque()
    currentHighestDoS = 0
    DoS = 0
    for hero in heroes:
        path = (hero,)
        q.append(path)
        visited = set([hero])
        while q:
            path = q.popleft()
            last_node = path[-1]
            for node in graph[last_node]:
                if node not in visited:
                    visited.add(node)
                    q.append(path + (node,))
        DoS = len(path) - 1
        if DoS > currentHighestDoS:
            currentHighestDoS = DoS
            currentHero = path[0]
            currentHerosDestination = last_node
            print str(currentHero) + '\t' + str(path) + '\t' + str(currentHighestDoS)

这个程序找到了 4 的分离度，然后是 5，然后它就继续运行，我认为是因为它花费的时间太长了。有没有办法让这个方法运行得更快？

Answer 1

您可以创建一个 numpy (np) 数组，其中包含每个英雄的位置，其存储顺序与包含英雄对象的另一个数组相同。假设你有英雄坐标:

 pos_heros   = np.array( [hero.coordinates for hero in heros], dtype='float64' )
 array_heros = np.array( [hero for hero in heros], dtype = object )

然后计算距离矩阵:

 dist  = np.subtract.outer( pos_heros[:,0], pos_heros[:,0] )**2
 dist += np.subtract.outer( pos_heros[:,1], pos_heros[:,1] )**2
 dist += np.subtract.outer( pos_heros[:,2], pos_heros[:,2] )**2

现在，您将通过获取对距离矩阵进行排序的索引来找到每个最近的英雄:

 a = np.argsort( dist, axis=1 )

可以使用np.take高效获取排序后的pos_heros矩阵:

 matrix_heros = np.take( array_heros, a )

matrix_heros 中的每一行都代表一个英雄，第一列将是第一个最接近的英雄，第二列是第二个英雄，依此类推...

例如，要获取距离第 10 列英雄最近的第一个和第二个英雄:

 matrix_heros[9,0]  # 9--> hero    0-->  first closest hero
 matrix_heros[9,1]  # 9--> hero    1--> second closest hero

去寻找你想要的，最遥远的英雄:

 ans = matrix_heros[:,-1]

ans 将按照您创建 array_heros 的顺序包含最远的英雄。