我正在寻找一种算法来找到六角形(蜂窝)图上的相邻节点对,从而使成本函数最小化。
- 每个节点都连接到三个相邻的节点
- 每个节点“i”应该与恰好一个邻居节点“j”配对。
每对节点定义一个代价函数
c = pairCost( i, j )
然后计算总成本为
totalCost = 1/2 sum_{i=1:N} ( pairCost(i, pair(i) ) )
其中 pair(i) 返回与“i”配对的节点的索引。 (总和除以二是因为总和对每个节点计数两次)。我的问题是,如何找到最小化总成本的节点对?
链接的图像应该使解决方案的外观更清晰(粗红线表示配对):
一些进一步的说明:
- 我真的不关心最外面的节点
- 我的成本函数类似于|| v(i) - v(j) || (与节点关联的向量之间的距离)
- 我猜这个问题可能是 NP-hard 问题,但我真的不需要真正最优的解决方案,一个好的解决方案就足够了。
- 朴素算法倾向于获得“锁定”的节点,即它们的所有邻居都被占用。
注意:我不熟悉该领域的常用术语(是图论吗?)。如果您能提供帮助,那么也许这能让我在文献中寻找解决方案。
最佳答案
这是 maximum weight matching problem 的一个实例在一般图表中 - 当然你必须否定你的权重以使其成为最小权重匹配问题。埃德蒙兹的 paths, trees and flowers algorithm ( Wikipedia link ) 为您解决这个问题(还有一个公开的 Python implementation )。对于 n 个顶点,简单的实现是 O(n4),但对于n 个顶点和 m 个边使用 Micali 和 Vazirani 的算法(抱歉,找不到它的 PDF)。
关于在六边形图中寻找最优节点对的算法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/6451797/