关于最大团问题的一种新算法.docVIP

关于最大团问题的一种新算法 　　摘要：最大团问题是图论中重要的NP完全问题，目前求解最大团问题的方法只适合某些特殊的图，活则消耗时间长，求解效率低。该文提出了一种新的算法，蚁群算法来解决最大团问题。蚁群优化算法是一种基于自然启发的算法，是一种解决组合优化问题的有效方法。实验结果显示，算法的有效性。 　　关键词：最大团；组合优化；蚁群算法 　　中图分类号：TP18文献标识码：A文章编号：1009-3044(2008)22-708-03 　　A New Algorithm for the Maximum Clique Problem 　　ZHOU Xiao-xiao, BAI Yang 　　(City College,Wenzhou University, Wenzhou 325035, China) 　　Abstract:The maximum clique problem is an important NP complete problem in graph theory.Prebious algorithms are either applicable only to some particular graphs or in need of exponential time cost. In this paper, an new algorithm-Ant Conlony Optimization(ACO) is presented,which is applied for MCP .ACO algorithm is a nature-inspired algorithm.It is an efficient tool for solving combinatorial optimization problem. Experimental results prove the effectiveness of the improvements. 　　Key words: Maximum clique; combinatorial optimization; Ant Conlony Optimization 　　1 引言 　　最大团问题(Maximum Clique Problem，MCP)是经典的组合优化问题之一，这不仅仅因为它最早被证明是 NP-完全问题之一，而且因为它在理论和实践上有着重要的意义。可以将很多不同的领域的问题转化为最大团问题来解决。它在编码理论、差错诊断、计算机图像、模式匹配、信号传输、人工智能、聚类分析、移动计算、故障诊断、信息恢复、生物信息学等许多领域都有着广泛的应用。最大团问题在国外有着广泛的研究，在国内还刚刚起步。对最大团问题的研究实际就是一个NP问题的研究，目前解决最大团问题的方法主要集中在多项式时间的近似算法上。有很多解决最大团问题的metaheuristic近似算法，比如模拟退火、禁忌搜索、人工智能等。此文主要介绍一种遗传算法?D?D蚁群算法，蚁群算法（ant colony algorithm， ACA）是受到自然界中真实的蚁群集体行为的启发而提出的一种基于种群的模拟进化算法，属于随机搜索算法。意大利学者Dorigo等人在20世纪90年代初首先提出该算法时，充分利用了蚁群搜索食物的过程与著名的旅行商问题之间的相似性，通过人工模拟蚂蚁搜索食物的过程来求解TSP，取得了较为理想的效果。它是一种应用与组合优化问题的启发式智能搜索算法。蚁群算法不仅能够智能搜索、全局优化、而且具有鲁棒性、正反馈、分布式计算、易与其它算法相结合等特点。由于蚁群算法基本原理与最大团的求解过程有相似之处，所以本文所研究的内容在理论上是具有可行性的。并根据蚁群算法的自身缺陷进行了改进，提出了一种新的解决最大团问题的算法，测试表明算法是可行性。 　　2 最大团问题的基本定义 　　2.1最大团问题基本定义 　　给定一个无向图G = (V,E)，其中V ={1,2,...,n}是顶点的集合，E?哿V×V 是它的边的集合。一个团（Clique）是顶点集V 的一个子集，记为C，C?哿V ，要求C 中任意两个顶点之间有边相连。也就是说由团C 中顶点及其边组成的子图是完全图。最大团问题就是要找到具有最多元素数的子集C 。而最大团问题的目标就是要找到给定图的最大团。 　　2.2 最大团问题的数学描述 　　 设t:(0,1)n→2v,t(x)={i∈v:xi=1}，?坌x∈(0,1)n，?坌S∈2V， 　　则x=t-1(S)={xi:i=1,2,…,n}，其中，n为图的顶点数。 　　 （1） 　　St xi+xj≤1，?坌(i,j)∈E，x∈(0,1)n 　　如果x*是式（1）的最优解，那么集合C=t(x*