我正在使用Processing为复杂的数据和流程开发导航系统。作为其中的一部分，我已深入了解图形布局。这一切都很有趣，我对布局算法的看法是：力导向是为了sissies（只看它的比例...哈哈），特征向量投影很酷，杉山层看起来不错但在图形图上快速失败，虽然我依赖到目前为止，在特征向量上，我需要最小化边缘交叉以真正达到数据点。我知道，我知道NP-complete等。
我应该补充一点，我在应用 xy 装箱并使用类似Sugiyama的排列来减少跨行和列的边缘交叉时取得了一些成功。即：图形（| V | = 90，平均度数log | V |）可以从11000个交叉点开始 - > 1500（通过盒装特征向量） - ＆gt; 300通过交替行和列排列来减少交叉。
但是当地的最小值......不管它是什么都围绕着这个标记，结果并不像它那样清晰。我对灯光的研究告诉我，我真的想要使用平面化算法，就像它们用于VLSI一样：
请回复您对最快平面化算法的看法，欢迎您深入了解您熟悉的任何特定优化。
非常感谢！
答案 0 :(得分：3)
鉴于所有图形都不是平面的（您知道），最好采用“次佳”方法而不是“始终提供最佳答案”方法。
我这样说是因为我在研究生院的室友遇到了同样的问题。他试图将图形转换为平面形状，并且所有保证最小边缘交叉的算法都太慢了。他最终做了什么只是实施一个随机算法。基本上，布置图形，然后是具有许多交叉边缘的跳汰节点，最终你将处理最坏的边缘块。
优点是：你可以在一段特定的时间后把它剪掉，所以如果你有时间限制，这总是在一定的时间内进行，如果你得到一个糟糕的图表，你可以再次运行它（通过已经布局的图表来获得更好的东西，并且编码相对容易。
缺点是你并不总是在交叉点获得全局最小值，并且如果图形卡在高交叉区域，他的算法有时会向远处射出一个节点以尝试解决它，这有时会导致真正的怪异的图表。
答案 1 :(得分：2)
您已经了解了很多图表布局，但我相信您的问题仍然不详。
通过执行以下操作，您可以非常快速地平面化任何图形：（1）在平面上随机布局图形（2）计算边缘交叉的位置（3）在交叉点处创建伪顶点（当你对非平面图使用基于平面性的布局时，这就是你要做的事情）（4）用新顶点和分割边扩展的图是自动平面的。
第一个困难来自于计算组合嵌入的算法，该组合嵌入最小化了边缘交叉的数量。第二个困难是使用该组合嵌入在欧几里得平面中进行布局，这在视觉上是吸引人的，例如，对于正交图布局，您可能希望最小化弯曲的数量，最大化面的大小，最小化整个图的面积等，并且这些目标可能相互冲突。