我试图实现一种启发式解决方案，以从给定的一组图中识别同构图的类。目前，我用其多个邻居度数（WL算法）标记每个节点。
对于诸如学位常规图之类的情况，这显然会产生误报。我希望找到另一种廉价可实现的（时间和空间受限的）启发式算法，它可以切割WL算法的角落情况。基本上我正在寻找一对易于实现的启发式方法，它们之间会产生边缘误报。
我应该看看除WL算法之外的哪种启发式算法？
谢谢！
答案 0 :(得分：0)
可能会考虑本文中讨论的最小色彩最短路径不变量：http://www.academia.edu/5111652/A_new_refinement_procedure_for_graph_isomorphism_algorithms？
答案 1 :(得分：0)
有一个实现VF2的C ++库： http://mivia.unisa.it/datasets/graph-database/vflib/
VF2与其他一些算法的比较： http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.98.2640&rep=rep1&type=pdf
答案 2 :(得分：0)
另一个可以相对便宜计算的不变量是顶点所属的循环列表。当然，这需要在图表中找到周期，但有很多算法可以做到这一点。
答案 3 :(得分：0)
我发现该算法属于k维Weisfeiler-Lehman算法的类别，并且它失败了常规图。更多信息：
http://dabacon.org/pontiff/?p=4148
原帖如下：
我已经解决了这个问题，在图表数据库中找到了同构图（含有化学成分）。
简而言之，该算法使用幂迭代方法创建图的哈希。可能存在误报哈希冲突，但其概率非常小（我没有与成千上万的图表发生任何此类冲突）。
算法的工作方式是：
做N（其中N是图的半径）迭代。在每次迭代和每个节点上：
第一步，节点的哈希受其直接邻居的影响。在第二步，节点的哈希受到距离它的2跳的邻域的影响。在第N步，节点的散列将受到其周围的邻域N跳的影响。所以你只需要继续运行Powerhash for N = graph_radius步骤。最后，图中心节点的哈希将受到整个图的影响。
要生成最终哈希，请对最后一步的节点哈希值进行排序并将它们连接在一起。之后，您可以比较最终的哈希值，以查找两个图形是否同构。如果您有标签，则将它们添加到您为每个节点计算的内部哈希中（以及每个步骤）。
这里有更多背景资料：
https://plus.google.com/114866592715069940152/posts/fmBFhjhQcZF
您可以在此处找到它的源代码：
https://github.com/madgik/madis/blob/master/src/functions/aggregate/graph.py