我对定向加权图中心概念的理解是否正确?

时间:2017-06-02 22:52:20

标签: algorithm graph-algorithm

我目前正在处理一个问题,需要我找到定向加权图的中心。我正在努力确保我对一些相关概念的理解是正确的。

例如,我们假设我们有一些节点表示为链接:

/wiki/Flow_network
/wiki/Braess%27_paradox

/wiki/Flow_network
/wiki/Circulation_problem

/wiki/Braess%27_paradox
/wiki/new

/wiki/new
/wiki/Braess%27_paradox

每个集合都有两个节点(链接),其中第一个节点是"源"节点,并具有到第二个节点的有向边。

据我了解,每个节点都有以下怪癖:

ecc(FN) = 2
ecc(CP) = 0
ecc(BP) = 1
ecc(new) = 1

图表的半径为0,因为这是最小的偏心率。

由于图的中心是具有偏心率=半径的节点集,因此该有向加权图的中心将是CP?

我寻求确保我的理解是正确的一个原因是因为这个"中心"当绘制图表时,看起来很奇怪。

如果有人愿意花时间回顾我对这个概念的理解并澄清任何误解,我将不胜感激。

1 个答案:

答案 0 :(得分:2)

在阅读之前,请注意我不是数学家,我只是试图在实施时考虑实施。图的中心的定义确实是最小偏心率的所有顶点的集合。问题是这通常是在无向图上使用的概念。如果您的图形是无向的,那么您将不会遇到类似于此处遇到的问题,即您的最小偏心点的顶点不会连接到任何其他顶点。根据定义,您是正确的,这是图的“中心”。然而,如果图表是无向的,这显然不是中心,并且除了理论背景之外,对于你可能没用。如果您只是想找到图表的理论中心,这可能是您的答案,至少如果您遵循此处找到的偏心率,半径和中心的定义:https://en.wikipedia.org/wiki/Distance_(graph_theory)。如果你试图找到更多的东西来影响无向图的中心,那里返回的顶点离所有其他顶点最远,也许可以尝试找到具有最低偏心率的顶点,该顶点具有通往所有或大多数的路径其他节点,或者如果它没有连接到任何其他节点,可能将顶点的偏心率设置为无穷大。这些建议中的任何一个都可能会为您带来更有用的结果。如果您想要更理论化的视图,请转到数学堆栈交换:https://math.stackexchange.com/