我想找到无向图中的所有k-clique。因此我需要基于蚁群的精确算法来查找图中的所有k-clique。例如,考虑这样邻接矩阵:基于蚁群的集团
0 1 1 0 0
1 0 1 1 0
1 1 0 1 1
0 1 1 0 1
0 0 1 1 0
在该相邻的矩阵,我们有3个3集团:(1,2,3),(2,3,4),(3,4,5)
我想在每张图中找到这个k-clique。 note = K是以K-clique算法输入的。
我想找到无向图中的所有k-clique。因此我需要基于蚁群的精确算法来查找图中的所有k-clique。例如,考虑这样邻接矩阵:基于蚁群的集团
0 1 1 0 0
1 0 1 1 0
1 1 0 1 1
0 1 1 0 1
0 0 1 1 0
在该相邻的矩阵,我们有3个3集团:(1,2,3),(2,3,4),(3,4,5)
我想在每张图中找到这个k-clique。 note = K是以K-clique算法输入的。
只要是K
是成为一个难题,输入任意值,在K-团问题是NP-complete,这意味着没有什么本质上更好的,不只是一个蛮力算法 - 采取K
节点的每个子图,并检查其是否表示集团。通过回溯实现这个想法的细节可以在here找到。
被重新标记为包含蚁群标签,但Andrei是正确的 - 蚁群优化不会破坏NP完全屏障,特别是k-clique问题甚至没有近似算法。 (如果我没记错的话,如果我没有记错,近似算法不可能存在,除非P = NP。)
我碰巧知道的最近一次关于ACO和团体问题的调查大约是六岁,下面链接。这是一个非常好的研究,包括四种独立技术的详尽模拟/基准,一个直接的结论是,在2006年,即使是最先进的ACO方法也不能保证在基准问题中获得实际的最大集团。