如何在R中向量化（並加快）此遞歸圖搜索功能？

Question

我在R中編寫了一個遞歸函數，用於查找有向圖的路徑st的所有路徑（無循環）。 我使用此頁面作為模型： 在有向樹（igraph）中從一個節點到另一個節點的所有可能路徑，並且它輸出正確的結果，但是速度很慢。 小圖沒什么大不了的。 對於大圖，這是一個問題。

我是R的新手，但已閱讀它在避免循環和使用向量化時的性能明顯更好。 我正在努力解決問題，希望您能提供幫助。 我的代碼：

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，這是矢量化的候選人嗎？ 我怎樣才能加快速度？ 您還會給其他學習R的技巧嗎？

謝謝！

Answer 1

igraph的開發版本具有get.all.simple.paths()函數，您可以從此處獲取： http : get.all.simple.paths() 。

Answer 2

我使用Tamas的建議不調用get.adjlist() ，而是使用neighbors() ，這提供了不錯的速度提高。 但是，真正有助於提高性能的是，通過在每個起始節點的子節點上調用fastFindPaths()並匯總結果來並行化搜索。 我目前在Windows計算機上，因此使用了clusterApply()函數。 盡管我可能會泛化代碼以檢查Sys.info()[1] ，如果不是Windows，則使用mclapply() 。