关于python：计算两个节点NetworkX之间的最长路径


Calculate the longest path between two nodes NetworkX

我正在尝试使用Networkx制作甘特甜菜。网络中的所有节点都是"任务"，需要执行这些任务才能完成项目。使用Networkx，可以轻松计算项目的总时间。但是让甘特甜菜我需要每个节点的最新开始。

NetworkX包含一个函数(dag_longest_path_length)，但这会计算出整个网络中的最长路径。另一个函数(astar_path_length)导致源和节点之间的路径最短，但是没有可用的函数给出了最长的路径，或者在我的情况下是最新的开始。 (如果一个节点作为两个先前节点，它将采用最快的路径，但实际上，它还必须等待第二个节点才能启动。

我在想一个选择。
评估先前连接的节点并选择最长路径。非正式的我没有成功。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
start_time=[]
time=0
DD=nx.DiGraph()
for i in range(df.shape[0]):
        DD.add_edge(str(df.at[i,'blockT'])+'_'+df.at[i,'Task'], str(df.at[i,'blockS'])+'_'+df.at[i,'Succ'], weight=df.at[i,'duration'])


fig, ax = plt.subplots()  
labels=[]  
for i in range(df.shape[0]):
        labels.append(str(df.at[i,'blockT'])+'_'+df.at[i,'Task'])
        print(nx.astar_path_length(DD, '0_START', str(df.at[i,'blockT'])+'_'+df.at[i,'Task'])  )

ax.broken_barh([(nx.astar_path_length(DD, '0_START', str(df.at[i,'blockT'])+'_'+df.at[i,'Task']), heuristic=None, weight='weight'),df.at[i,'duration'] )],(i-0.4,0.8), facecolors='blue' )
相关讨论

这是我使用的一些代码。我同意确实应该将它作为NetworkX的一部分，因为它对我来说很常见。 graph必须是DiGraph。 s是源节点，dist是dict，由与s的加权距离作为值的节点进行键控。

1
2
3
4
5
6
7
8
9
10
    def single_source_longest_dag_path_length(graph, s):
        assert(graph.in_degree(s) == 0)
        dist = dict.fromkeys(graph.nodes, -float('inf'))
        dist[s] = 0
        topo_order = nx.topological_sort(graph)
        for n in topo_order:
            for s in graph.successors(n):
                if dist[s] < dist[n] + graph.edges[n,s]['weight']:
                    dist[s] = dist[n] + graph.edges[n,s]['weight']
        return dist
相关讨论

好像您正在使用DAG。

您的问题很少见，因此在networkx中没有内置的功能。您应该手动执行：

max(nx.all_simple_paths(DAG, source, target), key=lambda x: len(x))

这是完整的测试代码：

1
2
3
4
5
6
7
8
9
10
import networkx as nx
import random
from itertools import groupby

# Create random DAG
G = nx.gnp_random_graph(50,0.3,directed=True)
DAG = nx.DiGraph([(u,v) for (u,v) in G.edges() if u<v])

# Get the longest path from node 1 to node 10
max(nx.all_simple_paths(DAG, 1, 10), key=lambda x: len(x))
相关讨论