使用 Python 的图形工具在 DAG 中实现高效的最短路径

Efficient shortest path in DAG with Python's graph-tool

任务: 我想使用 Python 的 [=11= 计算 DAG(有向无环图)中源节点和目标节点之间的最短路径] 高效。我的 DAG 有负权重。

理论上,这是一个计算 "easy" 问题(即 O(V + E)),首先计算图的拓扑排序,然后访问并更新父节点和距离(例如 here 所讨论的)。

我如何使用 graph-tool 有效地实现它?

到目前为止我失败的尝试:

高效的DAG最短路径算法在底层Boost Graph Library中实现为dag_shortest_paths。是否有任何方法可以通过 graph-tool 访问此函数或使用 graph-tool 有效计算此函数的任何其他方法?

您是否尝试过使用 Networkx 库?因为我知道,它很有效,适用于加权和非加权图,而且使用起来非常简单。

https://networkx.github.io/documentation/networkx-1.10/reference/generated/networkx.algorithms.shortest_paths.weighted.all_pairs_dijkstra_path.html#networkx.algorithms.shortest_paths.weighted.all_pairs_dijkstra_path

一个例子:

    >>> import networkx as nx

    >>> G=nx.path_graph(5)
    >>> path=nx.all_pairs_dijkstra_path(G)
    >>> print(path[0][4])

[0, 1, 2, 3, 4]

此功能已添加到 git 版的图形工具中:

https://git.skewed.de/count0/graph-tool/commit/012787ecde818efc2b893ad0d8aff819b8deb6ca

现在可以将可选参数 dag=True 传递给 shortest_path() 以实现您想要的效果。