Question

我目前正在尝试通过将max-flow-min-cut算法应用于有向图来模拟网络流问题。我设法创建图表并使用

求解最大流量（和流量）

nx.maximum_flow(DG, s="S", t="T")

以下是：

(11.0,
{'A1': {'A4': 1.0, 'A5': 0, 'T': 3.0},
'A2': {'A1': 4.0, 'A8': 2.0, 'T': 1.0},
'A3': {'A7': 3.0},
'A4': {'A3': 0, 'A8': 0, 'T': 1.0},
'A5': {'A3': 2.0, 'A8': 1.0},
'A6': {'A2': 7.0},
'A7': {'T': 3.0},
'A8': {'T': 3.0},
'S': {'A3': 1.0, 'A5': 3.0, 'A6': 7.0},
'T': {}})

这是一个两值元组（11，其余值在一个值中）。现在我想创建一个包含流量的数组，例如A1 - ＆gt; A4，A5 - ＆gt; A8和A6 - ＆gt; A2。

但是，我没有从中创建任何类型的列表，因为我对Python很陌生。

理想情况下，我最终得到的结论是：

y = np.array([1.0, 1.0, 7.0]).reshape(3,1)

[[ 1.]
 [ 1.]
 [ 7.]]

Answer 1

我不明白什么是问题。

import numpy as np

data = (
    11.0,
    {
        'A1': {'A4': 1.0, 'A5': 0, 'T': 3.0},
        'A2': {'A1': 4.0, 'A8': 2.0, 'T': 1.0},
        'A3': {'A7': 3.0},
        'A4': {'A3': 0, 'A8': 0, 'T': 1.0},
        'A5': {'A3': 2.0, 'A8': 1.0},
        'A6': {'A2': 7.0},
        'A7': {'T': 3.0},
        'A8': {'T': 3.0},
        'S': {'A3': 1.0, 'A5': 3.0, 'A6': 7.0},
        'T': {}
    }
)

lst = [ data[1]['A1']['A4'], data[1]['A5']['A8'], data[1]['A6']['A2'] ]

y = np.array( lst ).reshape(3,1)

print(y)

结果：

[[ 1.]
 [ 1.]
 [ 7.]]

将networkx maximum_flow输出转换为数组

1 个答案: