質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.81%

networkxを用いたランダム有向グラフの生成

解決済

回答 2

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 870

hoshi1996

score 40

あるエッジリストをもとにランダムな有向グラフを生成したいです。

import networkx as nx

G = nx.read_edgelist(path, create_using=nx.DiGraph())#自己ループも多重辺も存在しない。


ここで生成するランダム有向グラフの条件として
・Gのノード数と一致する
・GのノードのIn、Outの次数を保存している
・自己ループは存在して良いが多重辺は存在してはならない。よってGのエッジの数を保存している。

A = nx.directed_configuration_model(in_degree_sequence, 
                out_degree_sequence=, create_using=nx.DiGraph())


上のコードを用い、ランダムグラフを生成しました。
この関数は普通、MultiDiGraphを返します。そのためDiGraphと指定しました。
しかし、この関数は、指定したグラフを生成するわけではなく、MultiDiGraphを生成した後にそれをDiGraphに直しているようです。
そのためノード数は一致しますが次数とエッジ数がGとは異なるランダム有向グラフを生成してしまいました。

また

B = nx.directed_havel_hakimi_graph(in_deg_sequence, out_deg_sequence)


この関数を使ったら条件を全て満たすことができますが、辺に偏りが生まれてしまうため
別の方法を用いて生成したいです。

どのような方法で条件を満たすランダム有向グラフが生成できますか。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

checkベストアンサー

0

networkx の生成系の関数を探してみましたが、そのような関数はなさそうです。

少し考えてみましたが、やろうとしていることは無理なのではないでしょうか。

題意を整理すると、「ある有向グラフ G が与えられたとき、入次数、出次数が G と等しいランダムな有向グラフを作成したい」ということになります。

有向グラフ G の隣接行列を A としたとき、A の (i, j) 成分が1であれば、有向辺 (i, j) が存在することを意味するので、G の列ごとの和が入次数、行ごとの和が出次数になります。

よって、先程の問題は「行ごとの和、列ごとの和が指定した値となるような同じ大きさで値が0 or 1 の行列」をランダムに生成するということになります。

import networkx as nx

D = nx.gnm_random_graph(10, 20, seed=42, directed=True)
in_degree = [deg for node, deg in D.in_degree()]
out_degree = [deg for node, deg in D.out_degree()]
print(in_degree)  # [3, 2, 1, 3, 1, 1, 2, 0, 3, 4]
print(out_degree)  # [2, 5, 2, 2, 2, 3, 2, 1, 1, 0]

# 隣接行列を取得する。A[i, j] = 1 ならば、有向辺 (i, j) が存在することを意味する。
A = nx.to_numpy_array(D)
print(A)
# [[0. 1. 0. 0. 0. 0. 0. 0. 1. 0.]
#  [1. 0. 0. 0. 0. 1. 1. 0. 1. 1.]
#  [0. 0. 0. 1. 0. 0. 1. 0. 0. 0.]
#  [0. 0. 1. 0. 0. 0. 0. 0. 1. 0.]
#  [1. 0. 0. 1. 0. 0. 0. 0. 0. 0.]
#  [0. 1. 0. 0. 1. 0. 0. 0. 0. 1.]
#  [1. 0. 0. 1. 0. 0. 0. 0. 0. 0.]
#  [0. 0. 0. 0. 0. 0. 0. 0. 0. 1.]
#  [0. 0. 0. 0. 0. 0. 0. 0. 0. 1.]
#  [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
print(A.sum(axis=0))  # [3. 2. 1. 3. 1. 1. 2. 0. 3. 4.]
print(A.sum(axis=1))  # [2. 5. 2. 2. 2. 3. 2. 1. 1. 0.]

ノード数が10の有向グラフの場合、隣接行列は (10, 10) なので、2^100 通り考えられ、そのうち、「行ごとの和、列ごとの和が指定した値となる行列」がいくつかあることになります。
ランダムに生成といった場合、まず「2^100 通りから条件を満たす行列を列挙し、ランダムにその中から1つ選ぶ」ということになるので、現実的には難しいのではないでしょうか。

以下、「行ごとの和、列ごとの和が指定した値となる」という条件で整数計画問題で解いた例
条件を満たす1つの解はでてきますが、全部の解を列挙するといったことはできません。

import networkx as nx
from pulp import *

D = nx.gnm_random_graph(10, 20, seed=42, directed=True)
in_degree = [deg for node, deg in D.in_degree()]
out_degree = [deg for node, deg in D.out_degree()]

# モデルを作成する。
model = LpProblem(
    name="generate digraph with specific sequence of indege and out degree.",
    sense=LpMaximize,
)

# # 変数を作成する。
X = np.array([[LpVariable(f"{i}{j}", cat=LpBinary) for j in D.nodes] for i in D.nodes])

# 制約を設定する。

# (1) 入次数が一致している必要がある。
for j, deg in zip(range(len(D.nodes)), in_degree):
    model += lpSum(X[:, j]) == deg

# (2) 出次数が一致している必要がある。
for i, deg in zip(range(len(D.nodes)), out_degree):
    model += lpSum(X[i]) == deg

# モデルを表示する。
# print(model)

# 解く。
ret = model.solve()
print("status", LpStatus[ret])  # status Optimal

# 解けた場合は結果を表示する。
if ret == 1:
    A2 = np.vectorize(lambda x: x.value())(X)
    print(A2)
#     [[1. 0. 0. 0. 1. 0. 0. 0. 0. 0.]
#      [1. 1. 0. 1. 0. 0. 0. 0. 1. 1.]
#      [0. 1. 0. 1. 0. 0. 0. 0. 0. 0.]
#      [1. 0. 0. 0. 0. 0. 0. 0. 0. 1.]
#      [0. 0. 0. 0. 0. 0. 1. 0. 1. 0.]
#      [0. 0. 0. 1. 0. 0. 1. 0. 1. 0.]
#      [0. 0. 1. 0. 0. 0. 0. 0. 0. 1.]
#      [0. 0. 0. 0. 0. 1. 0. 0. 0. 0.]
#      [0. 0. 0. 0. 0. 0. 0. 0. 0. 1.]
#      [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
    # 入次数、出次数が一致するかどうか
    print(np.array_equal(in_degree, A.sum(axis=0)))  # True
    print(np.array_equal(out_degree, A.sum(axis=1)))  # True

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

0

自分も隣接行列の列ごと行ごとの和を考えていたんですが
グラフの隣接行列が100万×100万のとても大きいものを考えていたため頓挫してしまいました。
ここまで親切に回答して下さりありがとうございます

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/06/25 20:02 編集

    もしかしたらできる方法はあるかもしれません。
    回答に書いた通り、線形計画問題に帰着できるので、その解空間からランダムにサンプルする手法を探すという方向性なら可能性がありそうです。
    「random sample linear programming」などのキーワードで調べたらいくつか情報が出てきましたが、中身は見てないので使えるかどうかはわかりません。。。
    networkx はグラフ理論で出てくるアルゴリズム等はだいたい実装されていますから、そこにないということは、需要があまりないのか、計算量的に現実的な時間で実行するのが無理なのかということになりますね。

    キャンセル

  • 2019/06/26 15:04

    多重辺は全体の0.1%にも満たないため大きな影響を与えないと考えました。
    そのため以前のランダムグラフで検討することにしました。
    とても親切な回答ありがとうございました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.81%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る