0037算法笔记分支限界法最大团问题.docx
《0037算法笔记分支限界法最大团问题.docx》由会员分享,可在线阅读,更多相关《0037算法笔记分支限界法最大团问题.docx(12页珍藏版)》请在冰豆网上搜索。
![0037算法笔记分支限界法最大团问题.docx](https://file1.bdocx.com/fileroot1/2022-10/10/d348cfee-f10d-48c7-804e-d224df84689e/d348cfee-f10d-48c7-804e-d224df84689e1.gif)
0037算法笔记分支限界法最大团问题
问题描述
给定无向图G=(V,E),其中V是非空集合,称为顶点集;E是V中元素构成的无序二元组的集合,称为边集,无向图中的边均是顶点的无序对,无序对常用圆括号“()”表示。
如果U∈V,且对任意两个顶点u,v∈U有(u,v)∈E,则称U是G的完全子图(完全图G就是指图G的每个顶点之间都有连边)。
G的完全子图U是G的团当且仅当U不包含在G的更大的完全子图中。
G的最大团是指G中所含顶点数最多的团。
如果U∈V且对任意u,v∈U有(u,v)不属于E,则称U是G的空子图。
G的空子图U是G的独立集当且仅当U不包含在G的更大的空子图中。
G的最大独立集是G中所含顶点数最多的独立集。
对于任一无向图G=(V,E),其补图G'=(V',E')定义为:
V'=V,且(u,v)∈E'当且仅当(u,v)∈E。
如果U是G的完全子图,则它也是G'的空子图,反之亦然。
因此,G的团与G'的独立集之间存在一一对应的关系。
特殊地,U是G的最大团当且仅当U是G'的最大独立集。
例:
如图所示,给定无向图G={V,E},其中V={1,2,3,4,5},E={(1,2),(1,4),(1,5),(2,3),(2,5),(3,5),(4,5)}。
根据最大团(MCP)定义,子集{1,2}是图G的一个大小为2的完全子图,但不是一个团,因为它包含于G的更大的完全子图{1,2,5}之中。
{1,2,5}是G的一个最大团。
{1,4,5}和{2,3,5}也是G的最大团。
右侧图是无向图G的补图G'。
根据最大独立集定义,{2,4}是G的一个空子图,同时也是G的一个最大独立集。
虽然{1,2}也是G'的空子图,但它不是G'的独立集,因为它包含在G'的空子图{1,2,5}中。
{1,2,5}是G'的最大独立集。
{1,4,5}和{2,3,5}也是G'的最大独立集。
算法设计
最大团问题的解空间树也是一棵子集树。
子集树的根结点是初始扩展结点,对于这个特殊的扩展结点,其cliqueSize的值为0。
算法在扩展内部结点时,首先考察其左儿子结点。
在左儿子结点处,将顶点i加入到当前团中,并检查该顶点与当前团中其它顶点之间是否有边相连。
当顶点i与当前团中所有顶点之间都有边相连,则相应的左儿子结点是可行结点,将它加入到子集树中并插入活结点优先队列,否则就不是可行结点。
接着继续考察当前扩展结点的右儿子结点。
当upperSize>bestn时,右子树中可能含有最优解,此时将右儿子结点加入到子集树中并插入到活结点优先队列中。
算法的while循环的终止条件是遇到子集树中的一个叶结点(即n+1层结点)成为当前扩展结点。
对于子集树中的叶结点,有upperSize=cliqueSize。
此时活结点优先队列中剩余结点的upperSize值均不超过当前扩展结点的upperSize值,从而进一步搜索不可能得到更大的团,此时算法已找到一个最优解。
算法具体实现如下:
1、MaxHeap.h
[cpp] viewplain copy
1.template
2.class MaxHeap
3.{
4. public:
5. MaxHeap(int MaxHeapSize = 10);
6. ~MaxHeap() {delete [] heap;}
7. int Size() const {return CurrentSize;}
8.
9. T Max()
10. { //查
11. if (CurrentSize == 0)
12. {
13. throw OutOfBounds();
14. }
15. return heap[1];
16. }
17.
18. MaxHeap& Insert(const T& x); //增
19. MaxHeap& DeleteMax(T& x); //删
20.
21. void Initialize(T a[], int size, int ArraySize);
22.
23. private:
24. int CurrentSize, MaxSize;
25. T *heap; // element array
26.};
27.
28.template
29.MaxHeap:
:
MaxHeap(int MaxHeapSize)
30.{// Max heap constructor.
31. MaxSize = MaxHeapSize;
32. heap = new T[MaxSize+1];
33. CurrentSize = 0;
34.}
35.
36.template
37.MaxHeap& MaxHeap:
:
Insert(const T& x)
38.{// Insert x into the max heap.
39. if (CurrentSize == MaxSize)
40. {
41. cout<<"no space!
"<42. return *this;
43. }
44.
45. // 寻找新元素x的位置
46. // i——初始为新叶节点的位置,逐层向上,寻找最终位置
47. int i = ++CurrentSize;
48. while (i !
= 1 && x > heap[i/2])
49. {
50. // i不是根节点,且其值大于父节点的值,需要继续调整
51. heap[i] = heap[i/2]; // 父节点下降
52. i /= 2; // 继续向上,搜寻正确位置
53. }
54.
55. heap[i] = x;
56. return *this;
57.}
58.
59.template
60.MaxHeap& MaxHeap:
:
DeleteMax(T& x)
61.{// Set x to max element and delete max element from heap.
62. // check if heap is empty
63. if (CurrentSize == 0)
64. {
65. cout<<"Empty heap!
"<66. return *this;
67. }
68.
69. x = heap[1]; // 删除最大元素
70. // 重整堆
71. T y = heap[CurrentSize--]; // 取最后一个节点,从根开始重整
72.
73. // find place for y starting at root
74. int i = 1, // current node of heap
75. ci = 2; // child of i
76.
77. while (ci <= CurrentSize)
78. {
79. // 使ci指向i的两个孩子中较大者
80. if (ci < CurrentSize && heap[ci] < heap[ci+1])
81. {
82. ci++;
83. }
84. // y的值大于等于孩子节点吗?
85. if (y >= heap[ci])
86. {
87. break; // 是,i就是y的正确位置,退出
88. }
89.
90. // 否,需要继续向下,重整堆
91. heap[i] = heap[ci]; // 大于父节点的孩子节点上升
92. i = ci; // 向下一层,继续搜索正确位置
93. ci *= 2;
94. }
95.
96. heap[i] = y;
97. return *this;
98.}
99.
100.template
101.void MaxHeap:
:
Initialize(T a[], int size,int ArraySize)
102.{// Initialize max heap to array a.
103. delete [] heap;
104. heap = a;
105. CurrentSize = size;
106. MaxSize = ArraySize;
107.
108. // 从最后一个内部节点开始,一直到根,对每个子树进行堆重整
109. for (int i = CurrentSize/2; i >= 1; i--)
110. {
111. T y = heap[i]; // 子树根节点元素
112. // find place to put y
113. int c = 2*i; // parent of c is target
114. // location for y
115. while (c <= CurrentSize)
116. {
117. // heap[c] should be larger sibling
118. if (c < CurrentSize && heap[c] < heap[c+1])
119. {
120. c++;
121. }
122. // can we put y in heap[c/2]?
123. if (y