查找图形的色数是NP-Hard问题,因此理论上没有快速求解器#39;是否有任何公开的软件可以快速计算图表的精确色数?
我正在编写一个Python脚本来计算许多图的色数,但即使是小图也需要很长时间。我使用的图表可以是稀疏或密集但通常少于10,000个节点的各种图形。我将问题描述为整数程序并将其传递给Gurobi来解决。您是否有软件,不同IP配方或不同Gurobi设置的建议来加快速度?
import networkx as nx
from gurobipy import *
# create test graph
n = 50
p = 0.5
G = nx.erdos_renyi_graph(n, p)
# compute chromatic number -- ILP solve
m = Model('chrom_num')
# get maximum number of variables necessary
k = max(nx.degree(G).values()) + 1
# create k binary variables, y_0 ... y_{k-1} to indicate whether color k is used
y = []
for j in range(k):
y.append(m.addVar(vtype=GRB.BINARY, name='y_%d' % j, obj=1))
# create n * k binary variables, x_{l,j} that is 1 if node l is colored with j
x = []
for l in range(n):
x.append([])
for j in range(k):
x[-1].append(m.addVar(vtype=GRB.BINARY, name='x_%d_%d' % (l, j), obj=0))
# objective function is minimize colors used --> sum of y_0 ... y_{k-1}
m.setObjective(GRB.MINIMIZE)
m.update()
# add constraint -- each node gets exactly one color (sum of colors used is 1)
for u in range(n):
m.addConstr(quicksum(x[u]) == 1, name='NC_%d' % u)
# add constraint -- keep track of colors used (y_j is set high if any time j is used)
for u in range(n):
for j in range(k):
m.addConstr(x[u][j] <= y[j], name='SH_%d_%d' % (u,j))
# add constraint -- adjacent nodes have different colors
for u in range(n):
for v in G[u]:
if v > u:
for j in range(k):
m.addConstr(x[u][j] + x[v][j] <= 1, name='ADJ_%d_%d_COL_%d' % (u,v,j))
# update model, solve, return the chromatic number
m.update()
m.optimize()
chrom_num = m.objVal
我希望计算精确的色数,尽管我会对计算近似色数的算法感兴趣,如果它们有合理的理论保证,例如常数因子近似等等。
答案 0 :(得分:1)
您可能想尝试使用SAT求解器或Max-SAT求解器。我希望它们比减少整数程序更有效,因为我认为可着色性更接近于可靠性。
SAT求解器接收联合范式中的命题布尔公式,并输出公式是否可满足。以下问题COL_k在NP中:
输入:图G和自然数k。
输出:G是可着色的。
为了求解COL_k,你将它编码为命题布尔公式,每个对(u,c)有一个命题变量,由顶点u和颜色1&lt; = c&lt; = k组成。您需要编写子句,确保每个顶点至少用一种颜色着色。您还需要使用子句来确保每个边缘都正确。 然后你只需要进行二分搜索以找到k的值,使得G是k可着色但不是(k-1) - 可着色的。 有各种免费的SAT求解器。我成功使用了Lingeling,但你可以在SAT competition website上找到很多其他人。它们都使用相同的输入和输出格式。 Google&#34; MiniSAT用户指南:如何使用MiniSAT SAT解算器&#34;有关此格式的解释。
您也可以使用Max-SAT解算器,再次咨询Max-SAT competition website。他们可以解决Partial Max-SAT问题,其中的子句被分为硬条款和软条款。这里,求解器在满足所有硬条款的同时找到可以满足的最大软语句数,参见Max-SAT竞赛网站中的输入格式(在规则 - >详细信息下)。
您可以将色数问题表示为一个Max-SAT问题(与上面的几个SAT问题相反)。从这个意义上讲,Max-SAT更适合。另一方面,我的印象是SAT求解器通常比Max-SAT求解器表现更好。我对这种求解器没有任何经验,所以不能多说什么。