[论文解读] Eccentric connectivity index

Aleksandar Ilić|arXiv (Cornell University)|Mar 13, 2011

Graph theory and applications参考文献 38被引用 83

一句话总结

本文提出了一种高效的 O(n) 算法，通过动态规划方法计算树中每个顶点的偏心率，使用两个关键数组：ddown（到后代的最大距离）和 dup（通过父节点到任意节点的最大距离）。该方法在一次深度优先搜索遍历中同时向上和向下传播距离信息，实现了线性时间复杂度的偏心率计算，这对于化学图论和网络科学中的拓扑分析至关重要。

ABSTRACT

The eccentric connectivity index $ξ^c$ is a novel distance--based molecular structure descriptor that was recently used for mathematical modeling of biological activities of diverse nature. It is defined as $ξ^c (G) = \sum_{v \in V (G)} deg (v) \cdot ε(v)$\,, where $deg (v)$ and $ε(v)$ denote the vertex degree and eccentricity of $v$\,, respectively. We survey some mathematical properties of this index and furthermore support the use of eccentric connectivity index as topological structure descriptor. We present the extremal trees and unicyclic graphs with maximum and minimum eccentric connectivity index subject to the certain graph constraints. Sharp lower and asymptotic upper bound for all graphs are given and various connections with other important graph invariants are established. In addition, we present explicit formulae for the values of eccentric connectivity index for several families of composite graphs and designed a linear algorithm for calculating the eccentric connectivity index of trees. Some open problems and related indices for further study are also listed.

研究动机与目标

• 高效计算树中每个顶点的偏心率，以满足化学图论和网络分析的需求。
• 解决使用暴力方法计算大规模树的偏心率时存在的计算瓶颈。
• 设计一种利用树的特性和动态规划的线性时间算法。
• 实现分子图中拓扑指数（如偏心连接指数）的快速计算。
• 为生物信息学和化学信息学中树状网络的分析提供可扩展的解决方案。

提出的方法

• 使用深度优先遍历计算 ddown[v]，即顶点 v 到其任意后代的最大距离。
• 对于每个顶点 v，利用父节点及其其他子节点的信息，计算 dup[v]，即 v 到任意节点通过其父节点的最大距离。
• 向上传播距离信息：dup[v] = adj[v, parent[v]] + max(dup[parent[v]], 所有其他子节点 u 的 ddown[u] 之和)。
• 将向下和向上可达性结合，更新偏心率：ecc[v] = max(ddown[v], dup[v])。
• 对 v 的所有子节点递归应用该算法，确保在一次深度优先搜索遍历中处理所有顶点。
• 利用树的结构避免冗余计算，实现 O(n) 时间复杂度。

实验结果

研究问题

• RQ1 能否使用动态规划在 O(n) 时间内计算树中每个顶点的偏心率？
• RQ2 如何高效结合关于后代和祖先的距离信息以计算偏心率？
• RQ3 在树中以何种方式最优地向上和向下传播距离数据，以最小化冗余计算？
• RQ4 在首先计算顶点偏心率后，能否高效计算偏心连接指数？
• RQ5 何种数据结构和遍历策略能最小化树的偏心率计算的时间复杂度？

主要发现

• 该算法以 O(n) 时间复杂度计算每个顶点的偏心率，显著优于朴素的 O(n²) 方法。
• 使用 ddown 和 dup 数组可高效传播距离信息，避免重复遍历。
• 通过动态规划同时考虑后代和祖先路径，该方法能正确处理所有树的拓扑结构。
• 该算法仅通过一次深度优先搜索遍历实现，确保了最优性能和正确性。
• 该方法适用于大规模应用，如计算化学化合物中的拓扑指数。
• 该解决方案具有鲁棒性，在退化树结构（如链状或星形结构）中也能正确运行。