输入图:我有一个字典,代表一个有向图,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)
该程序发现分离度为4,然后为5,然后它继续运行,我认为是因为它花费的时间太长。有没有办法使此方法运行更快?
最佳答案
您可以使用每个英雄的位置创建一个numpy
(np)数组,其存储顺序与另一个包含英雄对象的数组的顺序相同。假设您有英雄坐标:
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,通过获取对距离矩阵进行排序的索引,您将找到每个最接近的英雄:
a = np.argsort( dist, axis=1 )
您可以使用
np.take
有效地获取已排序的pos_heros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,第二列将是第二个,依此类推...
例如,要使第10列中的第一个和第二个英雄最接近英雄:
matrix_heros[9,0] # 9--> hero 0--> first closest hero
matrix_heros[9,1] # 9--> hero 1--> second closest hero
找到想要的东西,这是最遥远的英雄:
ans = matrix_heros[:,-1]
ans
将按照您创建array_heros
的顺序包含最远的英雄。