如何在R中向量化（并加快）此递归图搜索功能？

Question

我在R中编写了一个递归函数，用于查找有向图的路径st的所有路径（无循环）。 我使用此页面作为模型： 在有向树（igraph）中从一个节点到另一个节点的所有可能路径，并且它输出正确的结果，但是速度很慢。 小图没什么大不了的。 对于大图，这是一个问题。

我是R的新手，但已阅读它在避免循环和使用向量化时的性能明显更好。 我正在努力解决问题，希望您能提供帮助。 我的代码：

findAllPaths <- function(graph,start,end) {
  return(fastFindPaths(graph, start, end))
}   


fastFindPaths <- function(graph, from, to, path) {
  if(missing(path)) path <- c()
  path <- cbind(path, from)
  if (from == to) return(path)
  paths <- c()
  adjList <- get.adjlist(graph, mode="out")[[from]]
  for (child in adjList) {
    if (!child %in% path) {
      childPaths <- fastFindPaths(graph, child, to, path)
      for (childPath in childPaths) paths <- c(paths, childPath)
    }
  }
  return(paths)
}

那么，这是矢量化的候选人吗？ 我怎样才能加快速度？ 您还会给其他学习R的技巧吗？

谢谢！

Answer 1

igraph的开发版本具有get.all.simple.paths()函数，您可以从此处获取： http : get.all.simple.paths() 。

Answer 2

我使用Tamas的建议不调用get.adjlist() ，而是使用neighbors() ，这提供了不错的速度提高。 但是，真正有助于提高性能的是，通过在每个起始节点的子节点上调用fastFindPaths()并汇总结果来并行化搜索。 我目前在Windows计算机上，因此使用了clusterApply()函数。 尽管我可能会泛化代码以检查Sys.info()[1] ，如果不是Windows，则使用mclapply() 。