Как алгоритмы минимального многократного использования избегают тривиальных решений? - PullRequest
0 голосов
/ 14 мая 2018

Я читал несколько статей о алгоритмах многократного разбиения структур графов. Я особенно заинтересован в этой работе, которая предлагает алгоритм для решения проблемы многократного использования:

https://www.cv -foundation.org / OpenAccess / content_iccv_2015 / документы / Keuper_Efficient_Decomposition_of_ICCV_2015_paper.pdf

Что касается пограничных расходов, то в нем говорится:

... для любой пары узлов, реальная стоимость (награда) для всех разложений для которых эти узлы находятся в отдельных компонентах

Достаточно справедливо. Кроме того, в нем говорится, что решением проблемы мультисрезов является простой двоичный вектор длины, равный числу ребер в графе, в котором «1» указывает, что соответствующее ребро разделяет две вершины, принадлежащие различным компонентам графа:

для каждого ребра vw ∈ E ∪ F, y (v, w) = 1 тогда и только тогда, когда v и w находятся в различных компонентах G.

Но тогда задача оптимизации записывается в виде:

enter image description here

Кажется, это не имеет смысла. Если веса ребер отображают награды для узлов, соединяющих ребра в отдельных компонентах, разве это не должно быть проблемой максимизации? И в любом случае, если все веса ребер положительны, не приведет ли это к тривиальному решению, где y является вектором из всех нулей? Приведенное выше выражение сопровождается некоторыми ограничениями в статье, но я не мог понять, как какие-либо из них препятствуют этому результату.

Более того, когда он позже пытается сгенерировать исходное решение, используя Greedy Additive Edge Contraction, он говорит:

Alg. 1 начинается с разложения на отдельные узлы. На каждой итерации объединяется пара соседних компонентов, для которых объединение уменьшает цель значение максимально. Если нет соединения строго уменьшает цель значение, алгоритм завершается.

Опять же, если веса ребер являются наградами за разделение узлов, разве объединение двух узлов не уменьшит вознаграждение? И даже если я на секунду предположу, что веса ребер являются штрафами за разделение узлов, разве этот метод просто не объединит все узлы в один компонент?

Единственный способ увидеть, как это сработает, - это если вес ребер представляет собой сбалансированную комбинацию положительных и отрицательных значений, но я почти уверен, что что-то упустил, потому что это ограничение нигде не упоминается в литературе.

Ответы [ 2 ]

0 голосов
/ 12 марта 2019

Лучше поздно, чем никогда, вот ответ:

Веса c_e для обрезки края e не ограничиваются положительными значениями, как определено в определении 1. Фактически, уравнение (7) указывает, что они являются логарифмическими соотношениями две дополнительные вероятности. Это означает, что, если предполагаемая вероятность обрезания края e больше 0,5, то c_e будет отрицательным. Если оно меньше, то c_e будет положительным.

Несмотря на то, что тривиальное решение «все края срезано» все еще выполнимо, маловероятно, что оно также будет оптимальным в любом «неигровом» экземпляре, где у вас будут ребра, которые с большей вероятностью будут сократить, в то время как другие, скорее всего, останутся.

0 голосов
/ 14 мая 2018

Просто процитировав эту мультикурсную лекцию

Минимальный мультикат. Вход состоит из взвешенного неориентированного графа G = (V, E) снеотрицательный вес c_k для каждого ребра в E и множество терминальных пар {(s1, t1); (s2, t2) ... (sk, tk)}.Мультисечение - это набор ребер, удаление которых отключает каждую из пар клемм.

Я думаю, из этого определения ясно, что проблема мультисреза является проблемой минимизации накопленного веса, который определяетсявыбор кромок для резки.Максимизация веса была бы, конечно, тривиальной (удаление всех краев).Нет

...