我想在无向图中找到所有k-clique。因此，我需要基于蚁群的精确算法来查找图中的所有k-clique。例如，考虑这个相邻的矩阵：
0 1 1 0 0
1 0 1 1 0
1 1 0 1 1
0 1 1 0 1
0 0 1 1 0
在这个相邻的矩阵中，我们有三个3-clique：（1,2,3），（2,3,4），（3,4,5）
我想在每张图中找到这个k-clique。 note = K在K-clique算法中输入。
答案 0 :(得分：2)
只要K是一个问题输入的任意值，k-clique问题就是NP-complete，这意味着没有什么比只有一个强力算法更好 - 采取{的每个子图{1}}节点并检查它是否代表一个集团。可以通过回溯找到此想法的实施细节here。
答案 1 :(得分：1)
重新标记为包括蚁群标记，但安德烈是正确的 - 蚁群优化不会破坏NP完全障碍，特别是k-clique问题甚至没有近似算法。 （如果我没记错，近似算法就不存在，除非P = NP。）
我碰巧知道的关于ACO和特别是集团问题的最新调查大约有六年的历史，下面有联系。这是一项非常好的研究，包括针对四种不同技术的详尽模拟/基准测试，并且一个直接的结论是，在2006年，即使是最先进的ACO方法也无法保证在基准问题中得到实际的最大集团。