[英]Given edges in a undirected graph, what is an algorithm for limiting the maximum degree of the graph while maximizing the degree of the graph?
这是为了我对蛋白质折叠的研究(所以我想从技术上讲是一个学校项目)
摘要:我有一个加权无向图的边缘。 图的每个顶点都有1到20个ish边缘。 我想修整此图,以使顶点的边缘不超过6个。 我还希望该图保留尽可能多的连接性(最大程度)。
背景:我使用scipy库对蛋白质中的原子进行Delaunay镶嵌(本质上是点云)。 我用它来创建一个列表,列出彼此接触的所有残基对(我存储了它们之间的距离)。 此列表包含每对(两次)以及两对之间的距离。 (残基包含许多原子,因此我使用它们的平均位置来获得残基的位置)
pairs
[(ALA 1, GLU 2, 2.7432), (ALA 1, GLU 2, 2.7432), (ALA 4, ASP 27, 4.8938), (ALA 4, ASP 27, 4.8938) ... ]
我尝试过的(可以工作,但不完全是我想要的)只是存储六个最近的联系人。 (我对残基名称进行排序,以便以后可以使用集合)
for contact in residue.contacts[:6]:
pairs.append( tuple( sorted([residue.name, contact.name], key=lambda r: r.name) + [residue.dist[contact]] ) )
然后删除所有不往复的联系人。 (我想从技术上来说就是添加联系人)
new_pairs = []
counter=collections.Counter(pairs)
for key, val in counter.items():
if val == 2:
new_pairs.append(key)
这行得通,但是我丢失了一些我想保留的信息。 我将这个问题称为图论问题,因为我觉得这个问题已经在该领域解决了。
我以为贪婪算法可能会起作用:
while run_greedy:
# find the residue with the maximum number of neighbors
# find that residues pair with the maximum number of neighbors but only if the pair exists in pairs
# remove that pair from pairs
# if maximum_degree <= 6: run_greedy = False
贪婪算法有效吗? 有已知的算法可以很好地做到这一点吗? 是否有一个图书馆可以做到这一点(我更愿意更改数据格式以适合该图书馆)?
我希望这是足够的信息,在此先感谢您的帮助。
编辑这是背包问题的一个变体:您逐个添加边,并希望在构建的图不超过给定度的同时最大化边的数量。
以下解决方案使用动态编程。
令m[i, d]
在e_0, ..., e_{i-1}
的边的最大子集创建最大度<= d
的子图。
m[i, 0] = {}
m[0, d] = {}
<= d
m[i, d] = m[i-1, d] + {e_i}
m[i, d] = m[i-1, d-1] + {e_i}
边比m[i-1][d]
,则m[i, d] = m[i-1, d-1] + {e_i}
,否则m[i-1][d]
。 因此,该算法(未经测试):
for i in 0..N:
m[i][0] = {}
for d in 1..K:
m[0][d] = {}
for d in 1..K:
for i in 1..N:
G1 = m[i-1][d] + {e_i}
if D(G1) == d: # can add e_i with degree <= k
m[i][d] = G1
else:
m[i][d] = max(m[i-1][d-1] + {e_i}, m[i-1][d]) # key=cardinal
解决方案是: m[N-1][K-1]
。 时间复杂度为O(KN^2)
(简化的循环: KN
+图形的最大降幅( N
或更小))
先前的答案
TLDR; 我不知道如何找到最佳解决方案,但是贪婪的算法可能会给您令人满意的结果。
让我根据您的问题和代码来重述该问题:您希望从图形中删除最少数量的边,以将图形的最大程度减少到6
。 这是获得最大的子图G'
从G
与D(u) <= 6 for all u in G'
。
我发现的最接近的想法是图的K核心 ,但这不是完全相同的问题。
您的方法显然不是最佳方法,因为您最多保留每个顶点的6
边并使用这些边重新创建图形。 拿图ABC
:
A -> 1. B, 2. C
B -> 1. C, 2. A
C -> 1. A, 2. B
如果尝试使用您的方法将此图的最大程度减小为1
,则第一遍将删除AB
( B
是A
的第二个邻居), BA
( A
是B
的第二个邻居)和CB
( B
是第二个) C
邻居):
A -> 1. B
B -> 1. C
C -> 1. A
为了确保图形没有方向,第二遍将删除所有剩余的边(和顶点)。
最佳减少量为:
A -> 1. B
B -> 1. A
或A
, B
, C
任何其他一对顶点。
让:
k = 6
D(u) = max(d(u)-k, 0)
: k
之上的邻居k
或0
w(uv)
(resp s(uv)
)=边缘的弱点(强点):最低(最高) m(uv) = min(D(u), D(v))
M(uv) = max(D(u), D(v))
令S = sum(D(u) for u in G)
。 目的是使S = 0
同时去除最少数量的边。 如果删除:
(1)浮边: m(uv) > 0
,然后S
减小2
(两个端点都松开1度)
(2)下陷边缘: m(uv) = 0
且M(uv) > 0
,然后S
减小1
(弱端点的度已经<= 6
)
(3)下沉边缘: M(uv) = 0
,则S
不变
请注意,在以下情况下,浮动边缘可能会成为下沉边缘:1.其弱端点的度数为k+1
; 2.删除连接到该端点的另一条边。 同样,下沉的边缘也会下沉。
您必须删除浮动边缘,同时避免创建下沉边缘,因为删除浮动边缘会更有效地降低S
令K
为移除的浮动边的数量,为L
为移除的沉降边的数量(我们不移除沉没的边),使S = 0
。 我们想要2*K + L >= S
显然,这样做的想法是使L
尽可能小,因为我们希望去除少量的边( K + L
)。
我怀疑您会找到最佳的贪婪算法,因为一切都取决于删除的顺序,而且当前删除的远程后果很难预测。
但是您可以使用一般策略来限制下沉边缘的创建:
m(uv) = 1
边。 m(uv) = 1
的边缘,请选择其弱端点的浮动边缘较少的边缘(它们将变为下陷边缘)。 这是实现此策略的贪婪算法:
while {u, v in G | m(u-v) > 0} is not empty: // remove floating edges first
remove the edge u-v with:
1. the maxmimum m(u-v)
2. w(u-v) has the minimum of neighbors t with D(t) > 0
3. s(u-v) has the minimum of neighbors t with D(t) > 0
remove all edges from {u, v in G | M(u-v) > 0} // clean up sinking edges
clean orphan vertices
终止算法终止是因为我们在每次迭代中都删除了一条边,因此{u in G | D(u) > 0}
{u in G | D(u) > 0}
在某些时候将变为空。
注意:每次删除后,您都可以使用堆并更新m(uv)
。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.