稀疏图关键节点识别的模因搜索
人工智能
2017-10-10 v2
摘要
关键节点问题涉及从无向图中识别一个关键节点子集，移除这些节点可优化残图上的预定义度量。作为多种实际应用的有用模型，这些问题在计算上具有挑战性。本文研究经典关键节点问题（CNP），并提出一种求解CNP的有效模因算法。所提算法结合了双骨干交叉算子（生成有前景的子代解）、基于分量的邻域搜索过程（寻找高质量局部最优）和基于排名的池更新策略（保证健康种群）。特别地，基于分量的邻域搜索集成了两项关键技术，即两阶段节点交换策略和节点加权方案。双骨干交叉扩展了一般骨干交叉的思想。在42个合成与真实基准实例上的广泛评估表明，所提算法发现了21个新上界并匹配了18个先前已知最佳上界。我们还展示了我们的算法对于有效求解经典CNP的一个变体（称为基数约束关键节点问题）的相关性。最后，我们研究了每个关键算法组件的作用。
引用
@article{arxiv.1705.04119,
title = {Memetic search for identifying critical nodes in sparse graphs},
author = {Yangming Zhou and Jin-Kao Hao and Fred Glover},
journal= {arXiv preprint arXiv:1705.04119},
year = {2017}
}