注意:之前对于公式用LATEX编写,复制的图片,不知怎么就显示不出,凡是框框的地方,用文字表示了公式。
Kernighan-Lin算法是一种启发式算法,基于贪婪原理将网络划分为两个大小已知的社团。
所要解决的问题描述:给定一个无向带权图G=(V,E,C),其中V为一含有2n个节点的集合,E为边集合,C为2n*2n且对称的权重矩阵(Cij表示节点i和节点j直接边的权重,Cii=0)。将图G划分为两个社区,原节点集合V分为两个大小相同的集合A和B(各含n个节点),并且使得社区之间连接的权重 T=求和Cab
为最小值(a是A中的任意节点,b是B中的任意节点)。
为了解决这个问题,先给出如下定义:
节点a的外部权重:Ea=求和Cax(x为B中的节点)
。节点b的外部权重类似。
节点a的内部权重:Ia=求和Cax(x为A中的节点)
。节点b的内部权重类似。、
令节点z的外部权重与内部权重之差为:Dz=Ez-Iz
。
当A中的节点a与B中的节点b交换后,社区间连接的总权重减少量为(此处为了让该值取正,所以定义为增益gain):gain = Told - Tnew = (W+Ea+Eb-Cab) - (W+Ia+Ib+Cab) = Da+Db-2Cab
。
算法描述:(参照原版论文,与wikipedia的算法略有不同,觉得wikipedia的不对)
文章分析其算法时间复杂度在
n^2至(n^2)*logn
之间。
之后,文章对算法性能又做了一定的改进,以提高其精度。大概思想是:采用类似分治法(不是很确定),将原解决方案略微转换,使其执行每一轮的时间增加(从t到t'),同时增加其找到最佳划分的概率(从p到p')。那么若原方案执行了k轮,那么原方案找到最佳划分的概率就是1-(1-p)^k
,而新方案的成功率就是
以上解决的是同规模划分,A和B规模大小相等的。那么若要将n个节点划分为两个规模不等的社区,分别含有n1和n2个节点(n1<n2,n1+n2=n),文章采用如下方法:增加2*n2-n个虚假节点(与原图中节点没有任何连接),那么总结点数就为2*n2个节点,然后用上述方法划分成2个n2规模的社区,再去掉那些虚假节点,那么就得到n1规模和n2规模大小的两个社区了。
另外,对于将网络划分为多个(大于2)社区的情况(kn个节点,划分成k个社区),采用如下两种方法:(1)将kn个节点一直等规模划分,貌似这样对k有要求;
输入:一个待划分的图G=(V,E,C)
输出:划分A和B
1. 给定一个初始划分A和B
2. do
3. A(1)=A; B(1)=B;
4. 对A(1)和B(1)中的每一个节点计算其D值;
5. for (p=1 to |V|/2)
6. A(p)中选出ai,Bp中选出和bj,使得
gain(p)=Dai+Dbj-2Caibj为最大值;
7. ap'=ai;bp'=bj;A(p+1)=A(p)-ap';B(p+1)=B(p)-bp';
8. p=p+1;
9. 更新A(p)和B(p)中每个节点的D值;
10. end for
11. 选择k使得
G=求和gain(i) 为最大值(k为gain(i)为正值的个数);
12. if (G>0)
13. 把A中的a1',a2',...,ak'与B中的b1',b2',...,bk'进行交换;
14.until (G<=0)
15.return A,B
1-(1-p)^(kt/t')
。那么只要是的后者大于前者即可。
(2)将kn个节点划分为n个节点和(k-1)n个节点的两个社区,之后对(k-1)n个节点的社区再划分为n个节点和(k-2)n个节点的社区,如此往复下去。
参考文献:
1.维基百科对Kernighan-Lin算法的解释:http://en.wikipedia.org/wiki/Kernighan–Lin_algorithm
2.Karypis G, Kumar V. Multilevel< i> k</i>-way Partitioning Scheme for Irregular Graphs[J]. Journal of Parallel and Distributed computing, 1998, 48(1): 96-129.
声明:后半部分,由于文章阅读较浅显,所以可能含有一些错误,希望
大家指出。