自動構面演算法中拓撲網路建構的優化

2021-04-24 02:56:53 字數 1108 閱讀 4853

我在《外掛程式式gis應用框架的設計與實現》一書的演算法章節介紹過基於「左轉演算法」的自動構面過程和具體**,如果仔細看過的讀者會發覺,我們的構面過程的套路是:1.尋找出建構拓撲網路的節點和路徑 2.建立拓撲網路 3.自動構面 4.剔除無效面和處理島與洞。

在 這個過程中,自動構面的過程的效率其實是不低的,由於引入了「正向」和「反向」是否已經「走」過的標記判斷,這個基於「左轉演算法」的過程實際上會越走越快 (因為越到後面,越多的點會發現自己的連通路徑已經被正反走過,它們也就無需再進行構面的搜尋過程),那麼效率出在什麼地方呢?就是拓撲網路的建立。

如果在第乙個過程中尋找出了10000條路徑和15000個節點,那麼下一步我們必須建立其它們的網路,讓每條路徑知道自己的首位節點是誰?讓每個節點知道自己的連通路徑是誰?這個過程有多麼費勁呢?

1. 根據路徑實體isegment建立clsedge物件,顯然,要計算10000次 ;2. 根據節點實體ipoint建立clsnode物件,也需要15000次。沒辦法,這個沒法避免掉。

下一步,遍歷每一條路徑clsedge物件,尋找它的起點和終點在clsnode集合中的位置,這是個雙重迴圈的過程,在我的書中,它需要計算10000×15000次,即1.5億次。而遍歷每個clsnode物件,尋找出與其連通的clsedge物件,顯然也是雙重迴圈,也是1.5億次。

也就是說,不改良的演算法,在這個過程中至少要執行3億多次的計算。

我最近正在用vb**重寫這個例子,遇到這個問題,肯定也要解決,要不然光是拓撲網的建立就夠讓人**了,這個演算法就是個大笑話。資料量稍微大一點,就徹底完蛋了。

我的兩個改進辦法是:

1. 在clsedge尋找它的起點clsnode和終點clsnode的id之前,先判斷其物件的id(我預設設定為-1,即兩個節點的id都沒找到),如果兩個都已經找到了,則都不是-1了,顯然可以跳出內層迴圈。

2. 在clsedge尋找clsnode時候,也記錄每個clsnode出現的次數,如果乙個clsnode在被尋找的過程中出現了3次(即是路徑的起點或終 點),那麼它的連通路徑數量也肯定是3。在每個clsnode尋找連通路徑時,也這麼先判斷下,如果累計的連通邊大於或等於3,顯然也可以跳出了。

雖然有這兩個改進辦法,但在大數量時,我個人仍然並不滿意,現在仍然在絞盡腦汁想,如何讓這兩個過程更快些,不知道大家有什麼好主意?

網路拓撲結構,自動生成拓撲結構想法

實現這樣的自動拓撲的一些想法 資料先搞成樹型 確定層級長度 再根據每一層的多少,統一計算間隔 標識層級好計算 在樹中的就先展示樹 不在樹中的,x統計計算,y另起一行,先正向算,再逆向算 以上只是計算座標,設定層級 思路 想到這裡之後,發現如果是多個這樣的拓撲就不好搞了,是否要新增一整個拓撲的標識,後...

基於HTML5的3D網路拓撲自動布局

上篇將ht for web的3d拓撲彈力布局的演算法執行在web workers後台 這篇我們將進一步折騰,將演算法執行到真正的後台 node.js,事先申明node.js篇和web workers篇一樣,在這個應用場景下並不能提高效能,純粹為了折騰好玩,當然也不會白玩,人生就在折騰中,只有折騰才能...

IBM 神經網路突變自動選擇AI優化演算法

wistuba表示,這套進化演算法系統能將選擇適當的機器學習架構的時間縮減至幾個小時,讓每個人都能有條件對深度學習網路架構進行優化。新智元 2018 09 07 10 34字型 宋 機器學習系統並非是 生而平等 的。沒有一種演算法能應對所有的機器學習任務,這就讓尋找最優的機器學習演算法成為一項艱鉅又...