我正在研究一个近似匹配问题,其中我在未知图 (A) 和部分图 (B) 中有一组路径,其中 B 是增量生成和增长的。
问题是将路径中的边与图 B 匹配,同时保留路径和图上边的顺序。在我的问题中,图节点是无关紧要的,并且边缘具有执行匹配的非唯一标签。此外,要匹配的路径可以在匹配图 B 时添加/删除任意边。如果我对当前的解决方案不满意,我可以查询一个预言机,这给了我一个更完整(更大)的图(即我的意思是增长)但我想最小化查询,因为图表可能是无限的。
我正在研究一个近似匹配问题,其中我在未知图 (A) 和部分图 (B) 中有一组路径,其中 B 是增量生成和增长的。
问题是将路径中的边与图 B 匹配,同时保留路径和图上边的顺序。在我的问题中,图节点是无关紧要的,并且边缘具有执行匹配的非唯一标签。此外,要匹配的路径可以在匹配图 B 时添加/删除任意边。如果我对当前的解决方案不满意,我可以查询一个预言机,这给了我一个更完整(更大)的图(即我的意思是增长)但我想最小化查询,因为图表可能是无限的。
我试图从分配和图同构中查找标准解决方案,但没有找到任何类似的东西。所以,这是我想出的一个解决方案:
我不确定我的解决方案是否仍然属于分支定界算法,因为它不再遵循标准的分支定界树结构。此外,如果有人能指出优化或更好的方法来做到这一点,那就太好了。
注意:在每次迭代中,N 都会发生变化,并且表格会水平增长。最大的低效率是在第 2 步,为了安全起见,需要在每个阶段重新计算(例如,在图中添加的循环会使以前的解决方案无效)