将 Bron-Kerbosch 算法适配于时态图中的极大团枚举
数据结构与算法
2017-05-03 v2 计算复杂性
社会与信息网络
摘要
交互动力学在复杂网络分析中扮演着日益重要的角色。时态图是捕捉此类交互的一种建模框架，它由一组顶点（网络中的实体）和一组带有时间戳的顶点间二元交互构成。我们专注于枚举 delta-团，这是团的概念在时态图中的推广：对于给定的时间周期 delta，时态图中的一个 delta-团是一组顶点和一个时间区间，使得在该时间区间内所有顶点至少每隔 delta 个时间步就相互交互一次。Viard、Latapy 和 Magnien [ASONAM 2015, TCS 2016] 提出了一种贪心算法来枚举时态图中的所有极大 delta-团。与此方法不同，我们将 Bron-Kerbosch 算法——一种枚举静态图中所有极大团的高效递归回溯算法——适配到时态场景。我们在理论（基于底层图的参数“delta-切片退化度”的最坏情况运行时间分析）和基于真实世界数据的实验实践中均获得了令人鼓舞的结果。后者在运行时间方面，对于大多数感兴趣的 delta 值，与 Viard、Latapy 和 Magnien 的算法相比均有改进。
引用
@article{arxiv.1605.03871,
title = {Adapting the Bron-Kerbosch Algorithm for Enumerating Maximal Cliques in Temporal Graphs},
author = {Anne-Sophie Himmel and Hendrik Molter and Rolf Niedermeier and Manuel Sorge},
journal= {arXiv preprint arXiv:1605.03871},
year = {2017}
}