大图中的随机 session : efficient way of adding or deleting edges of a graph in R

Question

我正在尝试找到一种使用 igraph 在 R 中的图形中模拟随机 session 的有效方法。
我设法使用下面的代码来做到这一点，其中我假设边以某种概率(prob.meet)出现并将它们添加到相同大小的(预先存在的)空图中。
然而，对于大图，这不是有效的。另外，我一遍遍地重复这个过程。

第一层低效率是边的随机选择
使用 rbin()函数(占 25% 的时间)

低效率的第二层是在现有的空域中添加边
使用 add_edges() 的图形函数(占 75% 的时间)

关于如何提高效率的任何建议？
这是我尝试过的:

首先，我创建一个随机图:

library(igraph)

nodes = 5
g1 <- barabasi.game(nodes)
EL1 <- get.edgelist(g1, names=FALSE)

其次，我假设边以概率“prob.meet”弹出，并将它们添加到一个空图中。我这样做的原因是强制g_meet尺寸符合 g1 .

prob.meet = 0.5

EL_meet <- matrix(EL1[(as.logical(rbinom(nrow(EL1), 1, prob.meet))),],
                  nrow=2,byrow = TRUE
                  )

g_meet <- make_empty_graph(n = nodes) %>%
            add_edges(EL_meet)

Answer 1

据我所知，只有边际的速度提升。
It has been reported使用 runif()比使用 rbinom() 快在您的特定用例中。在我的系统上运行它似乎证实了这一点:

prob.meet <- 0.5
system.time({rbinom(1000000, 1, prob.meet)})
#  user  system elapsed 
#  0.10    0.00    0.11
system.time({runif(1000000) < prob.meet})
#  user  system elapsed 
#  0.05    0.00    0.04

但是，正如您所看到的，在进行一百万次随机抽奖时，我们只讨论了百分之几秒的改进。
将边添加到新的空图中的另一种方法是删除非 session 边。这看起来像这样:

library(igraph)

delete_non_meeting_edges <- function(g, prob.meet = 0.5) {
  g <- set_edge_attr(g, "meet", E(g), runif(gsize(g)) < prob.meet)
  delete_edges(g, E(g)[!meet])
}

## Usage
g <- barabasi.game(1000000)
delete_non_meeting_edges(g)

然而，上面的并不是真的更快。 This answer表明由于底层数据结构，igraph 对象的突变本质上是缓慢的。在链接的答案中，建议将矢量化作为一种​​加速突变的方法，但是您作为上面代码提供的两个示例都已经使用了它。
所以我担心，如果你使用 igraph，速度不会有太大的提升。