用于图划分的极值优化
统计力学
2009-11-07 v1 神经与进化计算
最优化与控制
摘要
极值优化是一种用于近似求解困难优化问题的新型通用方法。我们以NP-hard图划分问题为载体详细研究了该方法。我们讨论了极值优化的标度行为，重点关注平均运行作为运行时间与系统尺寸函数的收敛性。该方法具有单一自由参数，我们通过数值确定了该参数并使用简单论证予以证明。我们的数值结果表明，在随机图上，极值优化随系统尺寸增加保持一致的精度，其近似误差随运行时间大致以幂律t^(-0.4)递减。在几何结构化图上，平均运行结果的标度表明其远未达到最优，且单次试验间存在较大涨落。但当仅考虑最佳运行时，恢复了与理论论证一致的结果。
引用
@article{arxiv.cond-mat/0104214,
title = {Extremal Optimization for Graph Partitioning},
author = {S. Boettcher and A. G. Percus},
journal= {arXiv preprint arXiv:cond-mat/0104214},
year = {2009}
}
备注
34 pages, RevTex4, 1 table and 20 ps-figures included, related papers available at http://www.physics.emory.edu/faculty/boettcher/