如何优化算法以在时变图中找到max_depth_contact_series?

时间:2018-11-19 07:40:06

标签: algorithm data-structures graph graph-theory graph-algorithm

假设存在一个时变图,其中N个节点名为a1,a2,...,an,联系人序列为t node1 node2,表示node1在{{1 }}

假设节点node2承载一条消息(图中只有消息的一个副本),从时间t开始,该消息最多可以在{{1 }}?可以随时将消息自由传输到另一个节点。例如,a1可以选择在时间0传送到T或保留消息直到a1a2联系并将其传送到{{1 }}。

这里是一个使它更清楚的例子。对于具有2个节点和联系人序列的图形:

a1 a3 a3 6 1 a1 a2 2 a1 a3

3 a1 a4期间,消息最多可以与4 a3 a5个节点联系:6 a3 a6,并且消息在时间{{1}从10 a4 a3转移到0~10 }。

请记住时间序列。这里的4承载消息,但在时间a2,a3,a5,a6将消息传输到a1。然后,在时间a3,节点2没有消息,因此该消息无法与a1联系。如果a3在时间2保留消息而不是转移到3,则消息将与列表a1联系。联系人集将是a4,大小为a1,小于2

如何获取最大的联系节点集?还是只是数字?

目前我通过递归算法得到它,但是当a3很大时,代价是难以承受的。

0 个答案:

没有答案