Spark GraphX 学习笔记——旅行推销员问题：贪心算法

旅行推销员问题：
	在一个无向图中找到一个经过每一个顶点的最短路径

1. 贪心算法
	对于旅行推销员问题而言，贪心算法是最简单的，即在每次迭代时选择最接近的最短边，但不做进一步搜索

2. 贪心算法优化
	贪心算法可在不用增加太多代码的情况下，用不同的起始顶点重新运行整个算法，不断迭代，挑选出一个到达所有顶点并且最短的解决方案，用这种方法可以改善贪心算法。

3. 贪心算法scala代码实现：

def greedy[VD](g:Graph[VD,Double], origin:VertexId) = {
	var g2 = g.mapVertices((vid,vd) => vid == origin).mapTriplets(et => (et.attr,false))
	var nextVertexId = origin
	var edgesAreAvailable = true
	do {
	type tripletType = EdgeTriplet[Boolean,Tuple2[Double,Boolean]]
	val availableEdges =
	g2.triplets.filter(et => !et.attr._2 
		&& (et.srcId == nextVertexId && !et.dstAttr 
		|| et.dstId == nextVertexId && !et.srcAttr))
	
	edgesAreAvailable = availableEdges.count > 0
	if (edgesAreAvailable) {
		val smallestEdge = availableEdges.min()(new Ordering[tripletType]() {
			override def compare(a:tripletType, b:tripletType) = {
				Ordering[Double].compare(a.attr._1,b.attr._1)
			}
		})

		nextVertexId = Seq(smallestEdge.srcId, smallestEdge.dstId).filter(_ != nextVertexId)(0)
		
		g2 = g2.mapVertices((vid,vd) => vd || vid == nextVertexId).mapTriplets(et => (et.attr._1, et.attr._2 
			|| (et.srcId == smallestEdge.srcId 
				&& et.dstId == smallestEdge.dstId)))
		}
	} while(edgesAreAvailable)
	g2
}

greedy(myGraph,1L).triplets.filter(_.attr._2).map(et=>(et.srcId, et.dstId)).collect

参考书籍：Spark GraphX 实战