[论文解读] Digenes: genetic algorithms to discover conjectures about directed and undirected graphs

Romain Absil, Hadrien Mélot|arXiv (Cornell University)|Apr 30, 2013

Scheduling and Timetabling Solutions参考文献 22被引用 4

一句话总结

Digenes 是一种新颖的发现系统，利用遗传算法识别给定图不变量的极值有向图和无向图，支持猜想生成、反例发现和证明探索。与基线方法相比，其将找到最优解的平均代数从4,000多代减少至1,500代以下，尤其在使用两点交叉和轮盘赌选择时表现更优。

ABSTRACT

We present Digenes, a new discovery system that aims to help researchers in graph theory. While its main task is to find extremal graphs for a given (function of) invariants, it also provides some basic support in proof conception. This has already been proved to be very useful to find new conjectures since the AutoGraphiX system of Caporossi and Hansen (Discrete Math. 212-2000). However, unlike existing systems, Digenes can be used both with directed or undirected graphs. In this paper, we present the principles and functionality of Digenes, describe the genetic algorithms that have been designed to achieve them, and give some computational results and open questions. This do arise some interesting questions regarding genetic algorithms design particular to this field, such as crossover definition.

研究动机与目标

• 开发一种能够同时处理有向图和无向图的发现系统，弥补现有系统仅关注无向图的空白。
• 通过启发式优化，实现对给定不变量（如直径、不规则性、平均距离）的极值图的自动化发现。
• 支持图论研究中的猜想形成、反例识别以及图变换规则的验证。
• 探索专用于图结构解的遗传算法算子（交叉、变异、选择）的设计。
• 研究不同图编码方式和初始种群生成策略对算法收敛性和性能的影响。

提出的方法

• 采用遗传算法求解形式为 max_{G∈G_n} f(G) 的组合优化问题，其中 f 为图不变量的函数。
• 基于邻接矩阵和度序列进行图编码，并设计特定的交叉与变异操作以保持图的性质。
• 在对齐图编码后应用两点交叉，以提高搜索效率，尤其在直径和不规则性优化方面。
• 实现轮盘赌、锦标赛和直接淘汰等选择机制，其中轮盘赌选择表现更优。
• 引入过滤例程以生成初始种群，但发现其效果不如其他策略。
• 通过计算实验验证结果，涵盖涉及直径、不规则性和平均距离的极值图问题。

实验结果

研究问题

• RQ1 如何有效将遗传算法适配于有向图和无向图空间中极值图的搜索？
• RQ2 哪些交叉与变异算子最能保持硬性约束（如强连通性）的同时实现高效探索？
• RQ3 不同初始种群生成方法如何影响图优化中的收敛速度和解的质量？
• RQ4 图不变量（如直径和不规则性）在多大程度上可指导遗传交叉算子的设计？
• RQ5 能否开发一种通用遗传算法框架，仅需极少重构即可适应多种图论优化问题？

主要发现

• 在编码对齐后使用两点交叉显著提升了收敛效率，将找到最优解的平均代数从4,000多代减少至1,500代以下。
• 轮盘赌选择在收敛速度和解质量方面优于直接淘汰和锦标赛选择。
• 通过度序列扩展生成初始种群的方法效率最低，表明随机或启发式初始化仍需优化。
• 通过子图选择引导交叉可提升部分不变量的性能，但对平均距离无效，因其子图中强连通性约束过强。
• 系统在所有测试案例中均成功识别出直径和不规则性的最优图，表明其在这些不变量上具有高度可靠性。
• 系统发现反例和验证图变换的能力，证明其在证明构思和猜想发现中的实用性。