【问题标题】:how to partition the nodes of an undirected graph into k sets如何将无向图的节点划分为 k 个集合
【发布时间】:2014-12-18 17:58:26
【问题描述】:

我有一个无向图 G=(V,E),其中每个顶点代表大型网络中的一个路由器。每条边代表从一个路由器到另一台路由器的网络跃点,因此,所有边具有相同的权重。我希望将此路由器网络划分为 3 或 k 个按跳数聚类的不同集合。

动机: 这个想法是在这三个集合中的每一个中包含的路由器中复制一些数据。这样一来,每当网络图中的节点(或客户端或其他)请求某个数据项时,我都可以在 3 个集合中搜索它并从每个集合中获取一个负责的节点(一个缓存了该特定数据的节点) .然后我会选择距离请求节点的跳数最少的节点,并继续我的算法和测试。

缓存分布和请求响应不在本题讨论范围内。我只需要一种方法将网络分成 3 组,以便我可以对其执行上述操作。

在这种情况下可以使用哪种聚类算法。我在图中有近 9000 个节点,我希望得到 3 组 ~3000 个节点,每组

【问题讨论】:

  • 你说边有单位权重。这是否意味着所有边的权重相等?如果属实,聚类应该基于什么?如果你只有相同的节点(没有任何信息)和边,很难想出一个合理的方法......但我会尝试......
  • 澄清“几乎相等大小”和“包含彼此最接近的节点”的意思。否则这定义太不明确了。
  • 我已经编辑了问题以使其更清晰

标签: algorithm graph cluster-analysis


【解决方案1】:

在图的情况下,可以使用基于最小生成树的聚类方法。

正则算法如下:

  1. 求图的最小生成树。
  2. 删除生成树中的k - 1 最长边,其中k 是所需的簇数。

但是,这仅适用于边缘长度(或重量)不同的情况。在等长边的情况下,每棵生成树都是最小的,所以这不会很好地工作。然而,稍微思考了一下,我想到了一个使用 BFS 的不同算法。

算法:

1. for i = 1..k do // for each cluster
2.     choose the number of nodes N in cluster i
3.     choose an arbitrary node n
4.     run breadth-first search (BFS) from n until N
5.     assign the first N nodes (incl. n) tapped by the BFS to the i-th cluster
6.     remove these nodes (and the incident edges) from the graph
7. done

这个算法(结果)很大程度上取决于步骤 3 的实现方式,即选择集群的“根”节点。为了简单起见,我选择了一个任意节点,但它可能更复杂。最好的节点是那些位于图表“末端”的节点。您可以找到图的中心(到所有其他节点的路径长度总和最小的节点),然后使用离该中心最远的节点。

真正的问题是你的边是相等的(如果我很好地理解了你的问题陈述)并且你没有关于节点的信息(即它们的坐标 - 那么你可以使用例如 k-means)。

【讨论】:

  • 我目前正在查看 K-means,因为我没有坐标信息,因为网络基于示例 CAIDA 网络拓扑。此外,路由器之间的 RTT 在总体方案中并不重要。因此,所有边都具有相同的权重,决定因素是网络中节点之间的跳数。我想我可以选择 3 个彼此相距最远的节点,然后尝试围绕它们进行集群。这看起来对吗?
  • @Maneesh18187 听起来很合理。您可以使用例如Floyd-Warshall algorithm 查找所有节点对之间的路径长度。
  • 我已经根据dijkstra的算法生成了一个包含所有节点之间最短路径的数据存储,所以路径长度不是问题。
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 2012-09-05
  • 2017-10-05
  • 2012-07-12
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多