改进广度优先搜索，在图中找到最高的分离度

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

此方法用于寻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和5的分离度，然后它就继续运行，我想是因为它花了太长时间。有没有办法让这个方法运行得更快?

Answer 1

你可以创建一个包含每个英雄位置的numpy (np)数组，它的存储顺序与另一个包含英雄对象的数组的存储顺序相同。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排序的索引来找到距离最近的每个英雄:

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

您可以使用np.take有效地获得排序后的pos_heroes矩阵:

 matrix_heros = np.take( array_heros, a )

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

例如，要获取第10列中离某个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

找到你想要的，这才是最遥远的英雄:

 ans = matrix_heros[:,-1]

ans将以与创建array_heros相同的顺序包含距离最远的英雄。