改进模拟退火法应用于图匹配（一）

改进模拟退火法应用于图匹配（一）

很久没有写博客了，主要还是因为太懒啦。哈哈哈！最近想着把实习做的内容写下来，和对这方面内容感兴趣的大家一起学习学习。 好了， 其他的话就不多说了，直接步入正题啦。 下面的内容按图简介，图匹配简介，改进模拟退火法简介，代码展示，算例展示等依次展开。
剩下的部分等到第二篇再写啦，这周末没写完，下周末再继续啦。

图简介

再讲图匹配（Graph matching）之前， 我们首先对图（Graph）进行基础的了解。 图是由节点（Vertex）以及边（Edge）组成的结构，可以用来代表各种物体，因此广泛应用于生物信息学，化学信息学以及计算机视觉等领域。 以下是有关图的几个基础概念的说明：

• 图可以表示为 $G=(V,E)$，其中V为该图节点的集合，记该图共有N个节点，则V可表示为 $V = {1,…, N}。而E则是各对节点之间边的集合，表示为 $E\subset V\times V$ 。 每一个图都可以用一个邻接矩阵（Adjacency matrix）来表示，此处我们用A来表示该矩阵。首先A是一个大小为$N\times N$ 的矩阵， 其中若$A_{ij}=1$，则表示节点i与节点j之间有边存在，反之，则$A_{ij}=0$.

• 若图的每条边存在相对应的权重（Weight），则我们称该图为加权图（Weighted Graph）。权重通常是正实数，不过也可以是向量，例如曲线的坐标，这就意味着在相对应的两个节点之间存在一条曲线，而非直线。

• 图可以分为有向图（Directed Graph）和无向图（Undirected Graph）。如为无向图，则$A_{ij}=A_{ji}$， 若不相等则为有向图。 在该博客中，讨论的图均是无向图。

• 图匹配指的是两张图（G， H）节点之间映射，可以表示为 $f:V^G\to V^H$。 如果两张图有相同的节点数$N$且$f$是双射，则该映射关系为一一对应（one-to-one）。该映射关系可以用一个置换矩阵（Permutation Matrix）来表示。所有匹配所对应的置换矩阵的集合可以表示为 ： P = { P ∈ { 0 , 1 } N × N : P 1 N = 1 N , P T 1 N = 1 N } \mathcal{P} = \{P \in \{0, 1\}^{N \times N} : P1_{N} = 1_{N}, P^{T}1_{N} = 1_{N}\} P={ P∈{ 0,1}N×N:P1N​=1N​,PT1N​=1N​} ，其中$1_N$为有$N$个1的列向量。

图匹配简介

接下来就是对图匹配做一个介绍，为了比较两张图之间的差异， 我们首先要做的第一件事就是进行图匹配，也就是将两张图之间相应的节点一一对应。 在上面的图简介中我们提到过，两张图之间的匹配关系可以由相对应的置换矩阵$P$所表示。若$P_{ij}=1$，则意为图$G$中的节点$i$对应于图$H$中的节点$j$，反之，则为0。如果两张图$G$和$H$的节点总数不同，我们就需要添加‘’多余的点（Dummy Node）‘’到节点数较少的那张图中，使得两张图的节点数相同。Dummy Node指的是不与图中任何节点之间存在边的节点。此外，在该博客中我们所考虑的图均是加权图，因此我们用$WG$ 和 $WH$分别指代对应图中的加权邻接矩阵（Weighted Adjacency Matrix),也就是邻接矩阵中1由边所对应的权重进行替换。我们可以将两张图之间的差异由以下公式进行表示：$Distance=mi{n}_{P\in \mathcal{P}}||WG-P\ast WH\ast P^T|{|}_F^2$，其中$|||{|}_F$指的是Frobenius范数。公式中的范数可以替换成其他范数。

将两张图$G$和$H$进行匹配，我们首先可以先固定图$G$中节点的顺序，然后改变图$H$中的节点的顺序，使得两张图之间的差异最小。在这里，我们用改良后的模拟退火法来求解图匹配问题。求解的顺序由如下：

• 步骤一 ： 如有需要，添加dummy nodes到节点数较少的图中，使得两张图的节点数相同。
• 步骤二 ：选择一种对边的加权方式，然后计算两张图相对于的加权邻接矩阵。
• 步骤三 ： 使用改良后的模拟退火法来找寻最优解。

4种加权邻接矩阵

在这里，我们介绍下4种对边的加权方式，也就是4种加权邻接矩阵。在图匹配问题中，选择不同的加权方式可能会影响求解的速度以及结果的精度。为了更好的解释这4种加权邻接矩阵，我们以下图为例。此外，分别用$WG1$, $WG2$, $WG3$ 和$WG4$来指代该图$G$的4种加权邻接矩阵。

• 第一种 ： 该种加权邻接矩阵就是邻接矩阵。如上图所示，我们可以看到节点1与节点2相连，此外，节点1与节点3之间并没有直接的路径存在。因此，我们可以得到 $WG1(1,2)=1$以及 $WG1(1,3)=0$。
• 第二种 ： 我们将边的长度作为一种加权方式，则在该种加权邻接矩阵中所有不为0的值就是对应边的长度。上图中，我们可以看到节点1与节点5之间所存在的边的长度为$\sqrt{5}$，则 W G 2 ( 1 , 4 ) = 5 WG2(1, 4) = \sqrt{5}