我有大约70k个节点和250k边缘，并且图形不一定是连接的。显然，使用有效的算法至关重要。你推荐什么？
作为旁注，我很欣赏有关如何在多台机器之间划分任务的建议 - 这种问题是否可能实现？
由于
答案 0 :(得分：4)
MapReduce是一个很好的分布式算法，虽然可能有点过于强大。如果您对此感兴趣，请查看this lecture或此blog post获取灵感。 （事实上，当我学习MapReduce时，这是第一个例子。）
对于250k边缘和70k，似乎图形相对稀疏，Dijkstra's algorithm在O( E + V log V )中为每个节点运行，O( VE + V^2 log V )的完整运行时间（所有源）。这应该足够快，但通常的警告适用于Dijkstra's。 （负边缘。）
如果问题涉及负权重，您也可以查看Johnson's algorithm，但不能查看负数周期。具体来说，它也可以分布，因为它需要重新加权的图形并从每个节点运行Dijkstra的算法。
答案 1 :(得分：4)
您可以使用Floyd-Warshall algorithm。它解决了这个问题。
复杂度为O（V ^ 3）。
还有Johnson's algorithm的复杂度为O（V ^ 2 * log V + VE）。后者也很容易分发，因为它运行Dijkstra的算法V次，可以并行完成。
答案 2 :(得分：1)
有两种天真的方法来并行化这个问题：
1）识别子组件并在不同的计算机上分发这些子组件。来自两个不同组件的两个节点之间的路径长度未定义。
2）将图形加载到不同的计算机中，并为每台计算机提供一个节点列表，以计算所有最短路径。一个节点的结果不依赖于另一个节点的结果，因此您可以并行化此问题。
上行：不太难实现，但如果你必须解决这个问题，我只会这样做。如果这是一个反复出现的问题，那么您可能需要查看分布式算法。
使用igraph，它用C编写，速度非常快，你可以使用Python作为包装语言。
答案 3 :(得分：0)
查看具有以下关键字的论文/出版物：分布式图搜索算法。 Here可能会有所帮助。
此ACM帐户也只有纸张：Distributed computation on graphs: shortest path algorithms