Короче, мой наивный код (на Ruby) выглядит так:
# $seen is a hash to memoize previously seen sets
# $sparse is a hash of usernames to a list of neighboring usernames
# $set is the list of output clusters
$seen = {}
def subgraph(set, adj)
hash = (set + adj).sort
return if $seen[hash]
$sets.push set.sort.join(", ") if adj.empty? and set.size > 2
adj.each {|node| subgraph(set + [node], $sparse[node] & adj)}
$seen[hash] = true
end
$sparse.keys.each do |vertex|
subgraph([vertex], $sparse[vertex])
end
И моя реализация Bron Kerbosch:
def bron_kerbosch(set, points, exclude)
$sets.push set.sort.join(', ') if set.size > 2 and exclude.empty? and points.empty?
points.each_with_index do |vertex, i|
points[i] = nil
bron_kerbosch(set + [vertex],
points & $sparse[vertex],
exclude & $sparse[vertex])
exclude.push vertex
end
end
bron_kerbosch [], $sparse.keys, []
Я также реализовал порядок поворота и вырождения, что сократило время выполнения bron_kerbosch, но не настолько, чтобы обогнать мое первоначальное решение. Кажется неправильным, что это так; Какое алгоритмическое понимание мне не хватает? Вот запись с более подробной информацией, если вам нужно увидеть полностью рабочий код. Я проверял это на псевдослучайных наборах размером до миллиона ребер.