You need to enable JavaScript to run this app. NetworkX计算介数、接近中心性时纳入节点权重的拆分节点法验证与结果转换
优惠活动
大模型
产品
解决方案
定价
更多

NetworkX计算介数、接近中心性时纳入节点权重的拆分节点法验证与结果转换

现状与需求
  • 正在基于NetworkX搭建办公区路网图,目标是筛选对全体员工最便利的公共复印机放置点位
  • 图的建模规则:
    • 节点对应实体办公室,节点权重为对应办公室的在岗员工人数
    • 边为办公室之间的连通通行链路,边权重为两个办公室之间的单程通行时长
  • 核心计算方法:通过介数中心性、接近中心性指标量化各点位的服务优先级
当前遇到的核心问题
  • NetworkX内置的加权中心性计算函数,仅会识别并计算边权值(通行时长),无法纳入节点的员工人数权重
  • 直接使用内置函数输出的结果选点,虽然选出的位置通常处于路网核心、覆盖最多最短路径,但会忽略不同办公室的员工规模差异,最终拉高所有员工的总通行时间成本
提出的初步解决思路
  • 尝试按照员工规模拆分原网络节点,构造员工粒度的新网络:
    • 对每个原办公室节点,按照其在岗员工人数,拆分为对应数量的独立员工子节点
    • 同一办公室拆分出的员工子节点之间,添加权重为0的全连接边,等效同一办公室的员工无通行成本、点位集中堆叠
    • 不同办公室的员工子节点之间的连通边,完全沿用原办公室网络的边权重规则
  • 待验证的疑问:
    • 这种拆节点的建模方式,在数学层面是否完全匹配“最小化全体员工总通行时长”的优化目标
    • 基于拆分后的员工网络算出的中心性指标,如何等效转换回原办公室网络的节点指标,完成最终的点位排序
测试用示例代码
import networkx as nx

# 生成包含5个节点的测试图
G = nx.Graph()
G.add_nodes_from([11,21,31,41,51])

# 构建初始办公室级路网
G.add_edge(11,21, weight =3)
G.add_edge(21,31, weight =2)
G.add_edge(31,51, weight =4)
G.add_edge(21,41, weight =1)
G.add_edge(41,51, weight =5)
nx.draw_networkx(G)

# 计算初始路网的加权接近中心性
CCW = nx.closeness_centrality(G, u=None, distance='weight', wf_improved=True)
CCW

# 按员工规模拆分节点,添加对应员工子节点
G.add_node(22)
G.add_node(23)
G.add_node(24)
G.add_node(32)
G.add_node(52)

# 添加子节点之间的0权重连通边
G.add_edge(22,23, weight =0)
G.add_edge(22,24, weight =0)
G.add_edge(23,24, weight =0)
G.add_edge(31,32, weight =0)
G.add_edge(51,52, weight =0)

# 按权重规则添加跨节点连通边
G.add_edge(21,22, weight =3)
G.add_edge(21,23, weight =3)
G.add_edge(21,24, weight =3)

G.add_edge(21,31, weight =2)
G.add_edge(22,31, weight =2)
G.add_edge(23,31, weight =2)
G.add_edge(24,31, weight =2)

G.add_edge(21,32, weight =2)
G.add_edge(22,32, weight =2)
G.add_edge(23,32, weight =2)
G.add_edge(24,32, weight =2)

G.add_edge(31,51, weight =4)
G.add_edge(32,51, weight =4)

G.add_edge(31,52, weight =4)
G.add_edge(32,52, weight =4)

G.add_edge(21,41, weight =1)

G.add_edge(41,51, weight =5)
G.add_edge(41,52, weight =5)

nx.draw_networkx(G)

# 计算拆分后网络的加权接近中心性
CCW_new = nx.closeness_centrality(G, u=None, distance='weight', wf_improved=True)
CCW1_new

注:示例代码最后一行存在笔误,拆分网络的中心性计算结果存储在CCW_new变量中,代码末尾误写为CCW1_new,直接运行会触发未定义变量报错。


内容的提问来源于stack exchange,提问作者MrGrinsebacke11

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.02 04:12:04