-
Notifications
You must be signed in to change notification settings - Fork 0
/
graph.py
513 lines (474 loc) · 21.5 KB
/
graph.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
import networkx as nx
from matplotlib import pyplot as plt
import matplotlib.patches as mpatches
import matplotlib.cm
import numpy as np
class GrapheFortementConnexe:
"""
La classe pour nous aider à résoudre le problème.
Paramètres
---------------------------
cfc_dict : Le dictionnaire pour stocker les composants fortement connexes.
cfc_pont_list : Les arêtes entre les composants fortement connectés dans le
graphe original.
aretes_cfc : Les arêtes qui doivent être ajoutées pour connecter le graphe
contracté en un seul graphe connexe.
aretes_restes : Les arêtes qui doivent être ajoutées pour connecter le graphe
connexe contracté en un graphe fortement connexe.
aretes : Les arêtes qui doivent être ajoutées pour connecter le graphe original
en un graphe fortement connexe.
resultat : le nombre minimum d'arêtes à ajouter pour connecter le graphe
original en un graphe fortement connexe.
G : Le graphe origine, de type nx.DiGraph().
G_inv : Le graphe inverse de G, de type nx.DiGraph()
"""
cfc_dict = None
cfc_pont_list = None
aretes_cfc = None
aretes_restes = None
aretes = None
resultat = None
def __init__(self, G):
"""
Prendre en entrée un graphe orienté et initialiser les paramètres G et G_inv.
"""
self.G = G
# Etiqueter les sommets dans les arbres de parcours en profondeur
self._groupe = {node: 0 for node in G.nodes}
# Initialiser le paramètre G_inv
self._inverse()
# L'étiquette pour les fonctions _dfs_total et kosaraju, comme une variable globale
self._label_nombre = 0
def _inverse(self):
"""
La fonction pour inverser le graphe G. C-à-d inverser les sens des arêtes.
"""
G_inv = nx.DiGraph()
G_inv.add_nodes_from(self.G.nodes)
G_inv.add_edges_from([(j, i) for (i, j) in self.G.edges])
self.G_inv = G_inv
def _dfs(self, G, x0, label):
"""
En utilisant l'algorithme parcours en profondeur pour trouver le post-order
des sommets rancontrés dans G à partir de x0. Etiqueter-les comme label.
Renvoyer les sommets dans une liste dfn_res.
"""
P = [x0] # Le pile
dfn_res = [] # Le résultat
self._groupe[x0] = label # Changer le label de x0
while P:
t = P[-1]
count = 0 # Pour compter les sommets successifs
# Si t a des sommets successifs
if G.succ[t]:
# Parcourir tous les sommets successifs de t.
for s in G.succ[t]:
count += 1
# Si s n'est pas visité, alors enpiler s et changer le label de s.
if self._groupe[s] == 0:
P.append(s)
self._groupe[s] = label
break
# Si tous les sommets successifs sont visités, alors dépiler t.
if count == len(G.succ[t]):
courant = P.pop()
dfn_res.append(courant) # Ajouter dans la liste de résultat
self._groupe[courant] = label
# Si t n'a pas de sommet successif, alors enpiler t et changer le label de t.
else:
courant = P.pop()
dfn_res.append(courant)
self._groupe[courant] = label
return dfn_res
def _dfs_total(self):
"""
Choisir un sommet de G, et puis parcourir en profondeur à partir de ce sommet
en utilisant la fonction _dfs.
Trouver tous les arbres de parcours en profondeur de graph G. Renvoyer les arbres
dans une liste
"""
# O(p*(n+m)/p) = O(n+m)
arbre_list = []
while not all(self._groupe.values()):
self._label_nombre += 1
non_visite = [s for s in self.G.nodes if self._groupe[s] == 0]
racine = non_visite[0]
dfn_res = self._dfs(self.G, racine, self._label_nombre)
arbre_list.append(dfn_res)
return arbre_list
def _dfs_reversed(self, G, x0):
"""
L'algorithme de parcours en profondeur pour le graphe inverse. Cette fonction
est utilisée dans la fonction kosaraju.
"""
P = [x0]
label = self._groupe[x0]
dfn_res = []
est_visite = {s: False for s in G.nodes}
while P:
t = P.pop()
if not est_visite[t]:
est_visite[t] = True
dfn_res.append(t)
for s in G.succ[t]:
if self._groupe[s] == label:
P.append(s)
return dfn_res
def kosaraju(self):
"""
Trouvez toutes les composantes fortement connexes, et les arêtes reliant
chaque composante fortement connexe dans le graphe origine.
"""
cfc_dict = {}
arbre_list = self._dfs_total() # O(p*(n+m)/p) = O(n+m)
cfc_pont_list = [] # les arêtes entre les composante fortement connexes.
for i in range(len(arbre_list)):
arbre_dict = {sommet: 1 for sommet in arbre_list[i]} # O(n/p)
cfc_nombre = 0
# Trouver les cfcs dans ce arbre.
while arbre_dict:
cfc_nombre += 1
self._label_nombre += 1
# dfs_rev est un cfc de label "self._label_nombre"
dfs_rev = self._dfs_reversed(self.G_inv, list(arbre_dict.keys())[-1]) # O((n+m)/p)
cfc_dict[self._label_nombre] = dfs_rev
# Etiqueter les sommets de dfs_rev par self._label_nombre
for s in dfs_rev: # O(n/p)
del arbre_dict[s] # O(1)
self._groupe[s] = self._label_nombre
# Trouver les arêtes entre les cfcs dont le départ est le sommet de cet arbre
for j in arbre_list[i]: # O(m/p)
for k in self.G.succ[j]:
# Si le label de j n'est pas égale à celui de k, alors c'est une arête que l'on veut.
if self._groupe[j] != self._groupe[k]:
cfc_pont_list.append((self._groupe[j], self._groupe[k]))
self.cfc_dict = cfc_dict
self.cfc_pont_list = cfc_pont_list
return
def _sommet_type(self, x0):
"""
Justifier le type de sommet(feuille ou racine). Renvoyer une liste.
"""
# O(1)
G = nx.DiGraph()
G.add_nodes_from(self.cfc_dict)
G.add_edges_from(self.cfc_pont_list)
res = []
if not G.succ[x0]:
res.append('f')
if not G.pred[x0]:
res.append('r')
return res
def _dfs_non_oriente(self):
"""
L'algorithme de parcours en profondeur pour un graphe non orienté, pour trouver
tous les graphes orientés acycliques dans le graphe contracté, et leurs racines
et feuilles. Renvoyer une list dans laquelle chaque élément contient seulement
ses racines (une liste) et ses feuilles (une liste).
"""
# Créer le graphe contracté non orienté
# O(m+n)
G = nx.Graph()
G.add_nodes_from(self.cfc_dict)
G.add_edges_from(self.cfc_pont_list)
groupe = [] # Le résultat à renvoyer
est_visite = {s: False for s in G.nodes}
sommets_non_visite = list(G.nodes)
while not all(est_visite.values()):
P = [sommets_non_visite[0]]
racines = []
feuille = []
while P:
t = P.pop()
if not est_visite[t]:
# Vérifier le type de ce sommet et l'ajouter à la liste correspondante.
# Si il n'est ni racine ni feuille, ne faire rien.
sommet_type = self._sommet_type(t)
if 'r' in sommet_type:
racines.append(t)
if 'f' in sommet_type:
feuille.append(t)
est_visite[t] = True
sommets_non_visite.remove(t)
for s in G.adj[t]:
P.append(s)
groupe.append([racines, feuille])
return groupe
def connexion(self):
"""
Transformer le graphe contracté et le graphe origine en les graphes orientés
fortement connexes.
"""
groupe = self._dfs_non_oriente()
resultat = 0 # Le nombre minimal d'arêtes à ajouter
racines_restes = []
feuilles_restes = []
# Les arêtes qui doivent être ajoutées pour connecter le graphe contracté en un seul graphe connexe.
aretes_cfc = []
# Connecter d'abord plusieurs graphes orientés acycliques en un graphe orienté
# acyclique. Remarque: ce graphe est le graphe contracté
resultat += len(groupe) - 1 # Le nombre d'arêtes ajoutées dans ce processus
for i in range(resultat):
# i-ième feuille connecte à i+1-ième racine
aretes_cfc.append((groupe[i][1][-1], groupe[i + 1][0][-1]))
groupe[i][1].pop() # feuille liste
groupe[i + 1][0].pop() # racine liste
# Les racines et feuilles restes dans le seule graphe orienté acyclique. (Les
# racines et feuilles ne utilisent pas dans le dernier processus.)
for i in range(resultat + 1):
racines_restes += groupe[i][0]
feuilles_restes += groupe[i][1]
l_r = len(racines_restes)
l_f = len(feuilles_restes)
resultat += max(l_r, l_f) # Le résultat final se calcule comme çà
# Les arêtes qui doivent être ajoutées pour connecter le graphe connexe
# contracté en un graphe fortement connexe.
# Tout d'abord, nous relions une feuille de la dernière composante et une feuille
# de la première composante.
aretes_restes = [(feuilles_restes.pop(), racines_restes.pop(0))]
l_r -= 1
l_f -= 1
if l_r > l_f:
aretes_restes += [(feuilles_restes[i], racines_restes[i]) for i in range(l_f)]
aretes_restes += [(aretes_restes[0][1], racines_restes[i]) for i in range(l_f, l_r)]
if l_r < l_f:
aretes_restes += [(feuilles_restes[i], racines_restes[i]) for i in range(l_r)]
aretes_restes += [(feuilles_restes[i], aretes_restes[0][1]) for i in range(l_r, l_f)]
if l_r == l_f:
aretes_restes += [(feuilles_restes[i], racines_restes[i]) for i in range(l_f)]
# Les arêtes qui doivent être ajoutées pour connecter le graphe original
# en un graphe fortement connexe.
aretes = [(self.cfc_dict[i][0], self.cfc_dict[j][0]) for (i, j) in aretes_cfc]
aretes += [(self.cfc_dict[i][0], self.cfc_dict[j][0]) for (i, j) in aretes_restes]
self.aretes = aretes
self.aretes_cfc = aretes_cfc
self.aretes_restes = aretes_restes
self.resultat = resultat
return
def dessiner_graphe_inverse(self):
"""
Dessiner le graphe G_inv.
"""
plt.figure(figsize=(10, 10))
nx.draw_shell(self.G_inv, with_labels=True, node_size=1000, width=3)
plt.title("Graphe origine inverse", font='Arial', fontsize=25, y=0)
plt.savefig('graphe_inverse.eps')
plt.show()
def dessiner_le_processus(self, save_fig=False):
"""
Illustrer le processus de résoudre le problème.
"""
position1 = nx.shell_layout(self.G)
# Créer le graphe contracté
G = nx.DiGraph()
G.add_nodes_from(self.cfc_dict)
G.add_edges_from(self.cfc_pont_list)
position2 = nx.shell_layout(G)
plt.figure(figsize=(27, 17))
# Dessiner le graphe origine
plt.subplot(231)
nx.draw(self.G, position1, with_labels=True, node_size=1000, width=3)
plt.title("Graphe origine", font='Arial', fontsize=25, y=-0.1)
# Dessiner les composents fortement connexes
plt.subplot(232)
nx.draw(self.G, position1, with_labels=True, node_size=1000, width=3)
cfc_nombre = len(self.cfc_dict)
cmap = matplotlib.cm.get_cmap('rainbow')
colariage = {key: cmap(i) for i, key in zip(np.linspace(0, 1, cfc_nombre + 1)[:-1], self.cfc_dict.keys())}
for key, value in self.cfc_dict.items():
nx.draw_networkx_nodes(self.G, position1, nodelist=value, node_size=1000,
node_color=self.rgba2hex(colariage[key]))
patches = [mpatches.Patch(color=self.rgba2hex(colariage[key]),
label="{:s}".format(str(key))) for key in self.cfc_dict.keys()]
ax = plt.gca()
ax.legend(handles=patches, bbox_to_anchor=(1.35, 0.1), ncol=4)
plt.title("Composants fortement connexes", font='Arial', fontsize=25, y=-0.1)
# Dessiner le graphe contracté
# Les arêtes de ce graphe sont à l'origine, ne sont pas ceux qui sont à ajouter
plt.subplot(233)
nx.draw(G, position2, with_labels=True, node_size=1000, width=3)
plt.title("Graphe contracté", font='Arial', fontsize=25, y=-0.1)
# Dessiner le graphe orienté acyclique
# Les nouveau arêtes ajoutés maintenant sont pour completer le graphe comme un
# graphe orienté acyclique
G.add_edges_from(self.aretes_cfc)
plt.subplot(234)
nx.draw(G, position2, with_labels=True, node_size=1000, width=3)
nx.draw_networkx_edges(G, pos=position2, edgelist=self.aretes_cfc, width=4,
edge_color='b')
plt.title("Graphe orienté acyclique", font='Arial', fontsize=25, y=-0.1)
# Dessiner le graphe fortement connexe
# Les nouveau arêtes ajoutés maintenant sont pour completer le graphe comme un
# graphe fortement connexe
G.add_edges_from(self.aretes_restes)
plt.subplot(235)
nx.draw(G, position2, with_labels=True, node_size=1000, width=3)
nx.draw_networkx_edges(G, pos=position2, edgelist=self.aretes_cfc, width=4,
edge_color='b')
nx.draw_networkx_edges(G, pos=position2, edgelist=self.aretes_restes, width=4,
edge_color='r')
plt.title("Graphe fortement connexe", font='Arial', fontsize=25, y=-0.1)
# Ajouter les arêtes pour vue que le graphe soit un graphe fortement connexe
self.G.add_edges_from(self.aretes)
plt.subplot(236)
nx.draw(self.G, position1, with_labels=True, node_size=1000, width=3)
for key, value in self.cfc_dict.items():
nx.draw_networkx_nodes(self.G, position1, nodelist=value, node_size=1000,
node_color=self.rgba2hex(colariage[key]))
nx.draw_networkx_edges(self.G, position1, edgelist=self.aretes, width=4,
edge_color='r')
plt.title("Graphe fortement connexes", font='Arial', fontsize=25, y=-0.1)
if save_fig:
plt.savefig('./fig/example.eps')
plt.show()
@staticmethod
def rgba2hex(rgba):
"""
Utilisé dans la fonction dessiner_le_processus pour éliminer les warnings.
"""
a = rgba[3]
rgb = [str(hex(round(float(rgba[i] * 255 * a + 255 * (1 - a))))[2:]) for i in range(3)]
for i in range(3):
if len(rgb[i]) == 1:
rgb[i] = '0' + rgb[i]
return '#' + rgb[0] + rgb[1] + rgb[2]
def dessiner_cfc(self):
"""
Illustrer cfc
"""
position1 = nx.shell_layout(self.G)
# Dessiner le graphe origine
plt.figure(figsize=(10, 10))
nx.draw(self.G, position1, with_labels=True, node_size=1000, width=3)
plt.title("Graphe origine", font='Arial', fontsize=25, y=0)
plt.savefig('graphe_origine.eps')
plt.show()
# Dessiner les composents fortement connexes
plt.figure(figsize=(10, 10))
nx.draw(self.G, position1, with_labels=True, node_size=1000, width=3)
cfc_nombre = len(self.cfc_dict)
cmap = matplotlib.cm.get_cmap('rainbow')
colariage = {key: cmap(i) for i, key in zip(np.linspace(0, 1, cfc_nombre + 1)[:-1], self.cfc_dict.keys())}
for key, value in self.cfc_dict.items():
nx.draw_networkx_nodes(self.G, position1, nodelist=value, node_size=1000,
node_color=self.rgba2hex(colariage[key]))
plt.title("Composants fortement connexes", font='Arial', fontsize=25, y=0)
plt.savefig('cfc.eps')
plt.show()
def dessiner_graphe_contracte(self):
"""
Illustrer le graphe contracté.
"""
# Créer le graphe contracté
G = nx.DiGraph()
G.add_nodes_from(self.cfc_dict)
G.add_edges_from(self.cfc_pont_list)
position2 = nx.shell_layout(G)
# Dessiner le graphe contracté
plt.figure(figsize=(10, 10))
nx.draw(G, position2, with_labels=True, node_size=1000, width=3)
plt.title("Graphe contracté", font='Arial', fontsize=25, y=0)
plt.savefig('graphe_contracte.eps')
plt.show()
def dessiner(self):
position1 = nx.shell_layout(self.G)
# Créer le graphe contracté
G = nx.DiGraph()
G.add_nodes_from(self.cfc_dict)
G.add_edges_from(self.cfc_pont_list)
position2 = nx.shell_layout(G)
plt.figure(figsize=(27, 8))
# Dessiner le graphe origine
plt.subplot(131)
nx.draw(self.G, position1, with_labels=True, node_size=1000, width=3)
plt.title("Graphe origine", font='Arial', fontsize=25, y=-0.1)
# Dessiner les composents fortement connexes
plt.subplot(132)
nx.draw(self.G, position1, with_labels=True, node_size=1000, width=3)
cfc_nombre = len(self.cfc_dict)
cmap = matplotlib.cm.get_cmap('rainbow')
colariage = {key: cmap(i) for i, key in zip(np.linspace(0, 1, cfc_nombre + 1)[:-1], self.cfc_dict.keys())}
for key, value in self.cfc_dict.items():
nx.draw_networkx_nodes(self.G, position1, nodelist=value, node_size=1000,
node_color=self.rgba2hex(colariage[key]))
patches = [mpatches.Patch(color=self.rgba2hex(colariage[key]),
label="{:s}".format(str(key))) for key in self.cfc_dict.keys()]
ax = plt.gca()
ax.legend(handles=patches, bbox_to_anchor=(1.35, 0.1), ncol=4)
plt.title("Composants fortement connexes", font='Arial', fontsize=25, y=-0.1)
# Dessiner le graphe contracté
# Les arêtes de ce graphe sont à l'origine, ne sont pas ceux qui sont à ajouter
plt.subplot(133)
nx.draw(G, position2, with_labels=True, node_size=1000, width=3)
plt.title("Graphe contracté", font='Arial', fontsize=25, y=-0.1)
plt.savefig('2.eps')
plt.show()
@staticmethod
def rgba2hex(rgba):
"""
Utilisé dans la fonction dessiner_le_processus pour éliminer les warnings.
"""
a = rgba[3]
rgb = [str(hex(round(float(rgba[i] * 255 * a + 255 * (1 - a))))[2:]) for i in range(3)]
for i in range(3):
if len(rgb[i]) == 1:
rgb[i] = '0' + rgb[i]
return '#' + rgb[0] + rgb[1] + rgb[2]
class TestGraph:
"""
La classe pour tester noter algorithme. Dans cette classe, il y a 3 graphes orientés
intégrés, une fonction pour ajouter graph orienté et une fonction pour tester l'algo-
-rithme. De plus, vous pouver accéder les graphes stockés comme un list.
"""
__Graph_list = []
def __init__(self):
self.__Graph_list.clear()
G1 = nx.DiGraph()
G1.add_nodes_from([1, 2, 3, 4, 5, 6])
G1.add_edges_from([(1, 2), (2, 5), (1, 3), (3, 5),
(5, 1), (5, 6), (4, 6), (2, 4)])
self.__Graph_list.append(G1)
G2 = nx.DiGraph()
G2.add_nodes_from(list(range(1, 13)))
G2.add_edges_from([(9, 2), (2, 5), (5, 3), (3, 5), (5, 8),
(1, 6), (6, 1), (1, 8), (8, 1), (8, 6),
(6, 8), (3, 7), (5, 7), (7, 4), (4, 7),
(7, 10), (10, 7), (11, 12)])
self.__Graph_list.append(G2)
G3 = nx.DiGraph()
G3.add_nodes_from(list(range(1, 8)))
G3.add_edges_from([(1, 2), (2, 3), (1, 5), (4, 5), (5, 7)])
self.__Graph_list.append(G3)
G4 = nx.DiGraph()
G4.add_nodes_from(range(1, 17))
G4.add_edges_from([(11, 2), (2, 14), (14, 11), (2, 4), (4, 8),
(8, 6), (6, 8), (4, 16), (5, 9), (9, 10),
(10, 9), (9, 1), (1, 12), (11, 3), (12, 13),
(13, 3), (3, 12), (15, 9), (15, 7)])
self.__Graph_list.append(G4)
def __getitem__(self, item):
return self.__Graph_list[item]
def __repr__(self):
return str(self.__Graph_list)
def append(self, G):
"""
Ajouter un graphe orienté.
"""
if isinstance(G, nx.DiGraph):
self.__Graph_list.append(G)
else:
raise TypeError("Ce n'est pas un graph orienté.")
@staticmethod
def demo(G):
"""
Le processus pour résoudre le problème.
"""
graphe = GrapheFortementConnexe(G)
graphe.kosaraju()
graphe.connexion()
graphe.dessiner_le_processus()
print("Les composants fortement connexes sont :")
for key, value in graphe.cfc_dict.items():
print(" {} : {}".format(key, value))
print("Le nombre minimal d'arête à ajouter est : {}".format(graphe.resultat))
print("Un choix pour les arêtes à ajouter est : {}".format(graphe.aretes))