在Python中保留和比较给定输入图G的生成子图的有效方法是什么？
一些细节：
输入图G是一个有向的简单图，顶点数从n = 100-10000变化。边数 - 可以假设最大值是完整图的10％（通常更少），因此在这种情况下给出最大数量的n *（n-1）/ 10
有一种算法可以从数字/数千的输入图G子图中生成。并且为每个子图进行一些（耗时的）计算。 配对＆＃34;子图，计算结果＆＃34;必须存储以供以后使用（动态编程方法 - 如果已经处理了子图，我们想重新使用其结果）。
由于点（2.），将子图/结果对存储在子图是关键字的字典中会非常好。如何有效地完成它？有效计算子图哈希值的一些想法可能是？
让我们假设内存不是问题，我可以找到有足够内存的机器来保存数据 - 所以我们只关注速度。
当然如果已经很好地使用可能对这个问题有帮助的数据结构（比如来自scipy的稀疏矩阵），那么非常受欢迎。
我只是想知道你对此的看法，也许还有一些关于解决这个问题的提示。 我知道Python有很好的图形/网络库，比如NetworkX，igraph，graph-tool，它们有非常有效的算法来处理提供的图形。但似乎（或我找不到）有效的方式来实现积分（2. 3。）
答案 0 :(得分：0)
此处的关键点是您的算法已生成的图形的数据格式。它是否通过添加顶点和边来构造新图形？它是可擦写的吗？它是否使用给定格式（矩阵，邻接列表，顶点和节点集等）。
如果你有选择的话，因为你的子图有一个“低”基数，而且因为空间不是问题，我会将子图存储为位掩码数组（位掩码部分是可选的，但它是可清除的并且是紧凑的组）。那么子图表示就是
L全局图G中的节点引用列表。它也可以是用作哈希的位掩码A一个位掩码数组（矩阵），其中A[i][j]是边L[i] -> L[j] 这利用了Python整数的无限大小的低空间要求。空间复杂度为O（n * n）但您可以获得有效的遍历并且可以轻松地对结构进行哈希处理。