bipartite

    1热度

    1回答

    对不起,因为我觉得这个疑问应该更简单,但我找不到满意的答案。 我有两个定量的二分网络(显示A-B和B-C之间的生态关系)。我的问题是,我不知道为了建立定向的定量三方网络(如典型的食物网),如何加入这两个网络。 每个二分网络的B级具有相同的顶点组成(以数量和顶点名称)。另外,级别A和C不能相互影响。因此,最终三方网络的顺序和方向应该是C-> B-> A 有什么建议吗? 感谢您的关注!

    0热度

    1回答

    我正在尝试解决此问题:Jobs。 到目前为止,我认为问题与Assignment Problem相同,分销商和地区代表二分图,边代表概率。但是在这里我们需要最大化产品而不是匹配边权重的总和。 我想到的一个想法是将每个边权重改为对数(权重)。然后,问题基本上变成寻找最大总和,然后可以使用Assignment Problem的算法来解决。但是这会带来一个问题,因为应用日志会使边权重非整数,这是匈牙利算法

    11热度

    6回答

    我一直在试图理解二部图。据我了解,它是一个图G可以分为两个子图U和V.So U和V的交集是一个空集和联合是图G.我试图找出如果一个图是二分或不使用BFS。仍然不清楚我们如何使用BFS找到这个问题。 让我们说我们有图定义如下。 a:e,f b:e c:e,f,h d:g,h e:a,b,c f:a,c,g g:f,d h:c,d 什么,我这里需要的是一步的这个图是一个怎么的双方或不

    0热度

    1回答

    有没有方法根据igraph中的节点属性权衡布局?换句话说,如何获得共享相同特征(但它们之间没有边缘)的节点更紧密地聚集在一起? 尽管许多布局函数可以考虑边缘权重,但我希望彼此更接近的节点之间没有边缘。这种情况的一个例子是,如果图形是双向的。使用诸如fruchterman.reingold之类的布局不太有用,因为两种不同类型的顶点是穿插的。但是,我不希望它与layout.bipartite选项一样极

    7热度

    1回答

    B.add_nodes_from(a, bipartite=1) B.add_nodes_from(b, bipartite=0) nx.draw(B, with_labels = True) plt.savefig("graph.png") 我收到下图。我怎样才能让它看起来像一个正确的二分图?

    1热度

    1回答

    我是R初学者,找不到任何帮助我的东西。 我想生成大小不同的随机矩阵。我想使用for循环和函数,但代替许多矩阵,它给了我一个向量。 library(bipartite) zeroo <-matrix() for(i in 10:50){ zeroo[i]<-genweb(10, i, dens=2) }

    2热度

    1回答

    我正在使用邻接列表表示法处理无向图的双向测试。用户输入节点以及它们连接的内容,每行是一对。例如: 0 1 2 3 1 2 0 3 装置0被连接到图1和3,2被连接到图1和3等算法做了BFS,因为它去着色节点,看它是否可能是二分。除了查看图形是否是二分图,它还会按排序顺序存储和输出属于哪个组的哪些节点。按照前面的例子中,1和3是在A组,第2和0将是B组样本输出是: Group A: 0

    1热度

    1回答

    为了试图在R中的igraph包中学习社交网络理论的“坚果与螺栓”,我创建了一个基本的玩具示例,阿尔及利亚内战的一年。顶点由恐怖犯罪者和目标组成,而边缘代表哪个组攻击了哪个目标。 我可以绘制这种关系的一般单图(以及网络中心性的基本分析),但是在创建网络的双向投影时遇到问题。 Per @ GaborCsardi的建议,我只将igraph软件包加载到全局环境中,以确保sna或networks软件包不会与

    1热度

    1回答

    我有一个大的(36k顶点,50k边)加权双峰二部图,我想生成一个投影,不仅计算像默认加权实现的邻域,而且还计算权重在边缘。您可以将其视为包含黑色顶点和蓝色顶点的二分图,其中当只有蓝色顶点时,我想保留原始图的权重。 我碰到的实现保持橘子的价值,我很感兴趣的红色(或希望得到双加权投影)。 我到目前为止在igraph,networkx和python-tool中看过,但到目前为止,我只观察到计算边缘数量的

    0热度

    1回答

    我正在研究最大二分匹配算法。我无法弄清楚如何根据地图中的键/值设置数组中的值。 最终,我需要循环访问我的行,这些行对应于映射mymap中的我的键。然后我需要根据mymap中的值将适当的列设置为true(1)。最终,它会是这个样子 bool bpGraph[V][V] = { {0, 0, 0, 1, 0, ect.... 0}, //Key 1 Value 4 {0, 2, 0