找到最小/最大重量Steiner树

Question

我在reddit上问了这个问题，但还没有收敛到解决方案。由于我的许多搜索都将我带到Stack Overflow，我决定尝试一下。这是我的问题的简单表述：

给定加权无向图G（V，E，w）和G中顶点S的子集，找到跨越S的最小/最大权重树。不允许添加顶点。基本模型的扩展是添加0权重的边，以及必须排除的顶点。这似乎与这里提出的问题类似：

Algorithm to find minimum spanning tree of chosen vertices

还可以更深入地了解边缘可以采用的值。每个边缘实际上都是一个相关概率，我可以用几种方式编码，所以我想问图的主要问题是：

1. 给定必须连接的k个顶点，连接它们的顶部X min / max生成树是什么，以及它们通过哪些顶点？据我了解，这与询问图表连接所有k个顶点的最高概率是同一个问题。
2. 越来越模糊，是否有一种逻辑方法来聚类节点？

至于实现，我安装了boost库，一旦我得到框架滚动这个问题，我可以处理如何多线程（如果适用），使用什么样的图，以及如何存储/缓存数据，因为顶点和边的数量将非常大。

更新 看看我试图解决的问题，它是NP完全的意义。我试图解决的现实世界问题涉及医学诊断;特别是当医学界正在考虑具体想法的问题时，他们需要退后一步并重新考虑他们如何到达那里。我想从我设计的程序中得到的是：

• 考虑到几个条件，测试，症状，年龄，性别，季节，确诊，时间表，您如何联系它们？触摸了哪些细胞/组织/器官/系统？它们甚至是相关的吗？
• 除了条件/症状可能属于的已定义组之外，还有办法对条件/症状进行逻辑分组吗？

示例 流感样症状，红眼病，早期肺炎和一些糖尿病的迹象。有没有办法解决所有症状？是否有一些测试可以让它更容易确定？涉及哪些系统？

尝试将其映射到图形或多个图形似乎很自然，并将概率用作不同症状/条件之间的相关性。

Answer 1

我见过你的问题模型，主要基于贝叶斯推理和模糊逻辑。贝叶斯推理网络表达原因和效果之间的关系，例如吸烟和肺癌。查看here以获得快速教程。您可以将模糊逻辑应用于该建模，以尝试考虑现实生活中的变化（因为不是每个人都患肺癌）。