5
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

最大クリーク問題の定式化

Last updated at Posted at 2017-10-08

これなに

2017/10/7 の第3回ORセミナーで「最大クリーク問題の定式化」の質問がありましたので、やってみました。

最大安定集合問題と最大クリーク問題の関係

  • 最大安定問題は、選ばれた点間で辺がない
  • 最大クリーク問題は、選ばれた点間で辺がある

このことから、最大安定問題の最適解と「その補グラフ1の最大クリーク問題」の最適解は同じものにすることができます。

最大安定集合問題の定式化

セミナーでも紹介されていましたが、定式化は、「任意の辺の両端のうち1つまで選べる」という制約条件だけでシンプルです。

最大化 $\sum_{i \in 点集合}{~~~~ x_i}$ (1)
制約条件 $x_i + x_j \le 1 ~~~ \forall i,j \in 辺集合$ (2)
$x_i \in \{0,1\}~~~ \forall i \in 点集合$ (3)

pythonによる実装

python
from ortoolpy import maximum_stable_set
maximum_stable_set??
>>>
def maximum_stable_set(g, weight='weight'):
    """
    最大安定集合問題
    入力
        g: グラフ(node:weight)
        weight: 重みの属性文字
    出力
        最大安定集合の重みの合計と頂点番号リスト
    """
    from pulp import LpProblem, LpMaximize, LpBinary, lpDot, lpSum, value
    m = LpProblem(sense=LpMaximize)
    v = [addvar(cat=LpBinary) for _ in g.nodes()] # (3)
    for i, j in g.edges():
        m += v[i] + v[j] <= 1 # (2)
    m += lpDot([g.node[i].get(weight, 1) for i in g.nodes()], v) # (1)
    if m.solve() != 1: return None
    return value(m.objective), [i for i, x in enumerate(v) if value(x) > 0.5]

最大クリーク問題の定式化

選んだ点に応じて、クリーク(完全グラフ)になるように両端が選ばれた辺の数を強制することにより、定式化できます(実際に解く場合は、最大安定集合問題を解いた方がよいです)。

最大化 $S_v$ (1)
制約条件 $E_{ij} \le V_i ~~~ \forall i,j \in 辺集合$ (2)
$E_{ij} \le V_j ~~~ \forall i,j \in 辺集合$ (2)
$S_v = \sum_{i \in 点集合}{~~~~ V_i}$ (3)
$S_e = \sum_{i,j \in 辺集合}{~~~~ E_{ij}}$ (4)
$S_e$は、折れ線 curve の $S_v$ の位置以上 (5)
$V_i \in \{0,1\}~~~ \forall i \in 点集合$ (6)
$E_{ij} \in \{0,1\}~~~ \forall i,j \in 辺集合$ (7)
$S_v, S_e \ge 0$ (8)

pythonによる実装

python
import networkx as nx
from itertools import accumulate, count, takewhile
from pulp import *
from ortoolpy import addlines_conv
def maximum_clique(g):
    """
    最大クリーク問題
    入力
        g: グラフ
    出力
        最大クリークの頂点番号リスト
    """
    m = LpProblem(sense=LpMaximize) # 数理モデル
    for i in g.nodes():
        g.node[i]['VarV'] = LpVariable(f'V{i}', cat=LpBinary) # 点変数(6)
    for i,j in g.edges():
        g[i][j]['VarE'] = LpVariable(f'E{i}_{j}', cat=LpBinary) # 辺変数(7)
        m += g[i][j]['VarE'] <= g.node[i]['VarV'] # (2)
        m += g[i][j]['VarE'] <= g.node[j]['VarV'] # (2)
    vsv = LpVariable('VarSV') # 点数変数 # (8)
    vse = LpVariable('VarSE') # 辺数変数 # (8)
    m += vsv == lpSum(g.node[i]['VarV'] for i in g.nodes()) # (3)
    m += vse == lpSum(g[i][j]['VarE'] for i,j in g.edges()) # (4)
    m += vsv # 目的関数(1)
    curve = list(takewhile(lambda x:x[1]<=g.number_of_edges(),
        enumerate(accumulate(count()),1)))
    addlines_conv(m, curve, vsv, vse) # 選んだサブグラフをクリークに強制(5)
    m.solve()
    return [i for i in g.nodes() if value(g.node[i]['VarV'])>0.5]

補足

ここで curveは完全グラフの点数と辺数に対応します。
addlines_conv(m, curve, vsv, vse)は「vse >= 『curveのvsv(点数)に対応する値(辺数)』」となる制約条件を数理モデルmに追加します。
例えば、選択した点の数であるvsvが4だと、vseは6以上にしなければいけません。vseは$E_{ij}$の和です。また、$E_{ij}$は制約条件の(2)から、両端点を選択しないと1にできません。すなわち4点かつ6辺以上のグラフは、辺数が6のクリークになります。

python
%matplotlib inline
import numpy as np, matplotlib.pyplot as plt
curve = list(takewhile(lambda x:x[1]<=28,
    enumerate(accumulate(count()),1)))
print(curve)
plt.plot(*np.array(curve).T);
>>>
[(1, 0), (2, 1), (3, 3), (4, 6), (5, 10), (6, 15), (7, 21), (8, 28)]

image.png

サンプルで確認

最大クリークが得られるか確認します。

python
g = nx.fast_gnp_random_graph(6, 0.3, 3)
nx.draw_networkx(g)
maximum_clique(g)
>>>
[2, 3, 5]

image.png

もう1つ確認。

python
g = nx.fast_gnp_random_graph(7, 0.4, 49)
nx.draw_networkx(g)
maximum_clique(g)
>>>
[0, 3, 4, 5]

image.png

追記

「点を選んだら、vsv本の辺と接続すること」という定式化の方が自然かもしれません。

以上

  1. 補グラフとは、辺の有無を逆転させたグラフ。

5
3
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
5
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?