研究用プログラム

以下の研究に関するプログラムです．

• ランダムグラフにおける最小カット重みに関する研究
• ランダムグラフにおける最小頂点被覆サイズに関する研究

動作を確認した環境

• Python 2.7.6
• CPLEX 12.5

依存モジュールのインストール

$ pip install -r requirements.txt

テスト

$ python -m unittest discover -v -f

ライブラリ

• fjexperiment.py
• fjgraph.py
• fjutil.py

ランダムグラフアンサンブルを定義するファイル

本プログラムでは，ランダムグラフアンサンブルの定義をJSONファイルで記述します．以 下のファイルが見本です．

• sample-ensemble/multi-graph.json: 頂点数と辺数を指定（自己ループ多重辺を許す）
• sample-ensemble/n-m-graph.json: 頂点数と辺数を指定（自己ループ多重辺を許さない）
• sample-ensemble/specified-degree-dist.json: 次数分布を指定（自己ループ多重辺を許す）

次数分布は非負整数の配列で表します．次数分布が [2, 4, 6] だと，次数が0の頂点が 2個，次数が1の頂点が4個，次数が2の頂点が6個です．

実験スクリプト

• vc_dist.py
• ip_lp.py
• prob_dist_min_vc.py

vc_dist.py

与えられたグラフアンサンブルにおける，

• IP-平均頂点被覆分布
• LP-平均頂点被覆分布

を実験的に求める．

実行例：

# ヘルプ
$ ./vc_dist.py --help

# デフォルトパラメータで実行
$ ./vc_dist.py ensemble.json

# 試行回数：2000，gnuplot用結果出力ファイル名：result1
$ ./vc_dist.py --trials 2000 --output result1 ensemble.json

ip_lp.py

与えられたグラフアンサンブルに対して，最小頂点被覆問題を

• LPで解いたときの1/2の個数の平均
• LPで解いたときの目的関数値 / IPで解いたときの目的関数値 の平均
• LP最適値の平均
• IP最適値の平均
• LP最適値とIP最適値が等しくなる確率
• LP最適値とIP最適値の差の平均

を実験的に求める．

実行例：

# ヘルプ
$ ./ip_lp.py --help

# デフォルトパラメータで実行
$ ./ip_lp.py ensemble.json

# 試行回数：2000
$ ./ip_lp.py  --trials 2000 ensemble.json

prob_dist_min_vc.py

与えられたグラフアンサンブルに対して，

• IP-最小頂点被覆最適値がdelta以上の確率分布
• LP-最小頂点被覆最適値がdelta以上の確率分布

を実験的に求める．

実行例：

# ヘルプ
$ ./prob_dist_min_vc.py --help

# デフォルトパラメータで実行
$ ./prob_dist_min_vc.py ensemble.json

# 試行回数：2000，gnuplot用結果出力ファイル名：result2
$ ./prob_dist_min_vc.py --trials 2000 --output result2 ensemble.json

prob_dist_min_cut.py

与えられたグラフアンサンブルに対して，

• 全域最小カット重みがdelta以上の確率分布
• s-t最小カット重みがdelta以上の確率分布

を実験的に求める．

実行例：

# ヘルプ
$ ./prob_dist_min_cut.py --help

# デフォルトパラメータで実行
$ ./prob_dist_min_cut.py ensemble.json

# 試行回数：2000，gnuplot用結果出力ファイル名：result3
$ ./prob_dist_min_cut.py --trials 2000 --output result3 ensemble.json

ライセンス

MITライセンス