当前位置:首页 > 文章列表 > Golang > Go问答 > 遍历自环的有向多重图中的所有循环

遍历自环的有向多重图中的所有循环

来源:stackoverflow 2024-03-14 15:15:29 0浏览 收藏

在Golang实战开发的过程中,我们经常会遇到一些这样那样的问题,然后要卡好半天,等问题解决了才发现原来一些细节知识点还是没有掌握好。今天golang学习网就整理分享《遍历自环的有向多重图中的所有循环》,聊聊,希望可以帮助到正在努力赚钱的你。

问题内容

Golang 中是否有找到具有自边的有向多重图中的所有循环的算法实现?我发现约翰逊算法是有向图的最佳解决方案,并且在 gonum 中给出了实现,但它仅适用于有向图(不适用于多重图)并且不支持自边(实际上 gonum 中的有向图不支持自边)边缘)。我可以在 gonum 中做一些简短/聪明的黑客来使约翰逊的工作用于具有自边的有向多重图吗?或者 Golang 中还有其他实现吗?

可以做的一件事是在自边和同一对节点之间的重复边之间创建一个虚拟节点。这将删除所有自边,并且图形将是有向的,我可以在此处使用约翰逊。但还有更好的办法吗?


解决方案


  • 自边:您只需扫描图的每个节点并检查是否存在自边。如果有:将 x -> x 添加到循环列表

  • 多图:第一个算法将生成路径作为顶点序列 x1 -> x2 -> x3 -> ...。当您拥有此列表时,迭代从 x1 到 x2 的所有可能的边,然后迭代从 x2 到 x3 的所有可能的边,依此类推...

  • “聪明”黑客:从多重图 g 中,创建一个新图 g2,其中 g 的边也显示为顶点:
# if A and B are connected     # create the following 3 vertices and
# by a single edge in G :      # 2 edges in G2 :

   A ---w--> B                     A -> w -> B


# if A and B are connected     # create the following 4 vertices and
# by two edges in G :          # 4 edges in G2 :

     /--x--\                           /-> x --\
    A       B                        A          B
     \--y--/                           \-> y --/

# etc ...

然后在 g2 上运行循环枚举,并根据需要调整输出。

理论要掌握,实操不能落!以上关于《遍历自环的有向多重图中的所有循环》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
处理在Linux环境中运行.sh文件的方法处理在Linux环境中运行.sh文件的方法
上一篇
处理在Linux环境中运行.sh文件的方法
在Windows系统上使用vcpkg安装git2go和libgit2的依赖
下一篇
在Windows系统上使用vcpkg安装git2go和libgit2的依赖
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    408次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    484次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    494次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    440次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    268次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码