我试图用C ++实现这个算法但它有一些问题。我需要一些建议如何让它更快更好地工作。
算法 作为Batagelj& Zaversnik(2003)描述,有可能找到有限图G的顶点排序,通过重复去除最小程度的顶点,在线性时间内优化排序的着色数。 更详细地,算法如下进行:
重复n次:
1.扫描阵列单元格D [0],D [1],...直到找到D [i]为非空的i。
2.将k设置为max(k,i)
3.从D [i]中选择一个顶点v。将v添加到L的开头并将其从D [i]中删除。
4.对于v的每个邻居w,从dw中减去1并将w移动到对应于dw的新值的D的单元格。
在算法结束时,k包含G的简并性,L包含着色数的最佳排序中的顶点列表。 G的i核是L的前缀,包括在k首先取大于或等于i的值之后添加到L的顶点。 初始化变量L,dv,D和k可以在线性时间内容易地完成。找到每个连续移除的顶点v并调整包含v的邻居的D的单元格花费与该步骤中的dv值成比例的时间;但是这些值的总和是图的边数(每个边对两个端点中较晚的点的总和有贡献),所以总时间是线性的。
这是我的代码(Susedia =邻居)
int his_place_inArray(int x,vector<int> A)
{
for(int i=0;i<A.size();i++)
if(*(A.begin()+i)==x) return i;
}
vector<int> vertex_ordering(vector<int> A) {
vector<int> L;
vector<vector<int>> D(100);
vector<int> d(A.size());
vector<int> N; //tsusedia
//Compute a number dv for each vertex v in G, the number of neighbors of v
//that are not already in L. Initially, these numbers are just the degrees
//of the vertices.
for (int i = 0; i < A.size(); i++) {
N = susedia(A[i], L);
d[i] = N.size();
//Initialize an array D such that D[i] contains a list of the vertices
//v that are not already in L for which dv = i.
D[d[i]].push_back(A[i]);
}
int i;
int k = 0; //Initialize k to 0.
int chosen; //chosen
vector<int> chosen_N; //Neighbors of chosen
for (int j = 0; j < A.size(); j++) { //for n times
for (i = 0; i < 10; i++) {
if (D[i].empty() == false) {
k = max(k, i);
break;
}
}
chosen = D[i][0];
L.push_back(chosen);
D[i].erase(D[i].begin());
chosen_N = susedia(chosen, L);
int n; //neighbor
//For each neighbor w of v, subtract one from dw and move w to the cell of D corresponding to the new value of dw.
for (int w = 0; w < chosen_N.size(); w++) {
n = chosen_N[w];
int p = his_place_inArray(n,A); //chosen neighbor place in A
int p_inD = his_place_inArray(n,D[d[p]]); //chosen neighbor place in D
D[d[p]].erase(D[d[p]].begin()+p_inD);
d[p]--;
D[d[p]].push_back(n);
}
}
return L;
}