Networkxd簧布局边缘配重

Networkxd簧布局边缘配重,第1张

Networkxd簧布局边缘配重

这不是一个很好的答案,但是它提供了基本知识。可能真正知道Fruchterman-
Reingold算法并可以描述它的人可能来自其他人。我根据代码中的内容给出了解释。

从文档中,

weight:字符串或无可选(默认值=“ weight”)

边缘属性,保存用于边缘权重的数值。如果为None,则所有边缘权重均为1。

但这并不能告诉您重量是做什么的,这是您的问题。

您可以找到源代码。如果您发送加权边,它将

A
使用这些权重创建一个邻接矩阵并将其传递
A
_fruchterman_reingold

看那里的代码,它的内容就在这一行

displacement=np.transpose(np.transpose(delta)*(k*k/distance**2-A*distance/k)) .sum(axis=1)

A*distance
是计算是作用在节点上的d簧力有多强。相应
A
条目中的较大值表示在这两个节点之间存在相对较强的吸引力(或者,如果它们非常靠近,则排斥力较小)。然后,算法根据力的方向和强度移动节点。然后重复(默认为50次)。有趣的是,如果您查看源代码,则会注意到
t
dt
。似乎在每次迭代中,力乘以越来越小的因数,因此步长变小。

这是描述该算法的论文的链接,不幸的是,该链接位于付费专线后面。这是作者网页上论文的链接



欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/zaji/5663428.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-12-16
下一篇 2022-12-16

发表评论

登录后才能评论

评论列表(0条)

保存