如何在NetworkX 2.1中生成带随机权重的全连接有向图？

NetworkX 2.1确实没有直接提供带随机权重的完全有向图生成器，但我们可以手动构造，完全满足你评估不对称TSP算法的需求。核心思路是先创建完全有向图（每个节点对之间都存在双向有向边），再为每条边独立分配随机权重（确保i→j和j→i的权重大概率不同）。

步骤1：创建完全有向图 #

首先用nx.complete_graph()生成无向完全图，再将其转换为有向图——这样每个无向边会自动拆分为两条方向相反的有向边，正好形成全连接的有向图结构。

步骤2：为每条边分配独立随机权重 #

遍历所有边，为每条边生成独立的随机权重（可以用整数或浮点数，根据你的需求调整范围）。

完整示例代码 #

import networkx as nx
import random

# 定义节点数量（这里是100个节点）
num_nodes = 100

# 1. 生成完全无向图并转为有向图，得到全连接有向图结构
G = nx.DiGraph(nx.complete_graph(num_nodes))

# 2. 为每条边分配随机权重（示例用1-100的整数，可替换为uniform生成浮点数）
# 方式1：遍历边逐个设置
for u, v in G.edges():
    G[u][v]['weight'] = random.randint(1, 100)

# 方式2：用字典批量设置（更高效，适合大节点数）
# edge_weights = {(u, v): random.uniform(1.0, 100.0) for u, v in G.edges()}
# nx.set_edge_attributes(G, edge_weights, 'weight')

# 验证：查看任意两个节点的双向边权重（大概率不同）
print(f"Edge 0→1 weight: {G[0][1]['weight']}")
print(f"Edge 1→0 weight: {G[1][0]['weight']}")

关键细节说明 #

• 全连接有向图的结构：转换后的有向图包含所有num_nodes*(num_nodes-1)条有向边，完全覆盖不对称TSP的场景。
• 权重独立性：每条边的权重都是独立生成的，因此i→j和j→i的权重几乎不可能相同，完全符合你的要求。
• 权重范围调整：你可以根据测试需求修改random.randint或random.uniform的参数，比如调整为0-1000的整数，或者0.1-10.0的浮点数。

内容的提问来源于stack exchange，提问作者liang li