Question

我使用igraph来计算顶点偏心率，图表是加权的，随机生成如下

n <- 500
g <- sample_smallworld(1, n, 10, 0.05)
E(g)$weight <- (runif(1)+0.1)*10
is.weighed(g)
dia <- diameter(g)
dia

这是一个小型世界网络，有500个顶点和随机加权边。使用diameter和'is.weighted'来检查它是否已加权。但是，eccentricity不使用权重，并生成以下结果，

d_list <- eccentricity(g)
summary(d_list)

输出如下，

d_list＆lt; - 偏心（g）
  摘要（d_list）
      闵。第一曲。中位数第3曲。最大
    4.000 4.000 4.000 4.004 4.000 5.000

如何解决这个问题？

现在我使用max(distances(g))来解决它，但我认为这不是一种有效而优雅的方式。

Answer 1

我不认为怪癖会给你选择，但如果我不会发表关于距离（）方法的优点，从效率的角度来看，两种算法都会在O(|V|^2*log(|V|))中执行（假设{{ 1}}）计算每个节点的偏心率，如果你运行一些测试就得到这个：

|E| = O(|V|)

正如你所看到的，它们都具有相同的渐近复杂度，但在未加权的情况下，使用BFS可以提供更好的时间常数。（为了说明渐近的复杂性，请参见下面的缩放图：）