Ağ Algoritması – Multimedya Bölümü – Multimedya Bölümü Ödevleri – Multimedya Bölümü Tez Yaptırma –Multimedya Bölümü Ödev Ücretleri

 Ağ Algoritması

Ağ algoritması, bir düzenleme mesafesi ölçüsü kullanılarak kesin olmayan eşleştirmeye basit bir şekilde genişletilebilir. Kesin olmayan eşleştirme için ilk adım, tam eşleşmelerin varlığını belirlemek için yukarıda açıklandığı gibi eşleştirme yapmaktır.

Kesin eşleşmeleri arama süreci, ayrıştırma ağındaki düğümleri girdi için mümkün olan tüm tam eşleşmelerle etkinleştirir. Tespit edilen kesin eşleşme yoksa veya ne olursa olsun kesin olmayan eşleşmeler gerekliyse, düzenleme mesafesi algoritması, girişi bir modele izomorfik olacak şekilde değiştiren en düşük maliyetli düzenleme dizisini bulmaya devam eder.

Bu, ayrıştırma ağındaki her ilk düğümde boş bir köşe eşlemesi getirerek elde edilebilir. Bir tepe noktasını δ sıfır tepe noktasına eşlemek, ilgili bir maliyetle tepe noktasını silmeyi temsil eder. İlk düğümlerin her biri daha sonra artan maliyete göre sıralanan etkin düğümler listesine eklenir.

Bu listenin ilk öğesi daha sonra bu noktaya kadar en düşük maliyetli tam olmayan eşleşme olarak listeden alınır ve bu en düşük maliyetli tam olmayan eşleşme ayrıştırma ağı aracılığıyla yayılır. Bu hatalı eşlemeyle etkinleştirilen tüm düğümler daha sonra etkin düğümler listesine göre sıralanır.

Tüm olası aktivasyonlar etkin düğüm listesine her sıralandığında, en düşük maliyetli etkin düğüm yeniden kaldırılır ve işlenir. Sonunda bu, listenin başına ulaşan bir modeli temsil eden aktif bir tam olmayan eşleşmeye yol açar.

Bu noktada, girdi ile model arasındaki tam olmayan izomorfizmin maliyeti hesaplanır ve bu maliyete sahip son aktif düğüm olarak aktif düğüm listesine eklenir ve doğal bir kesme noktası sağlanır. Görülmüş olarak işaretlenen bir model grafiğini temsil eden bir düğüm, aktif düğüm listesindeki ilk öğeye ulaştığında, farklı bir modele daha düşük maliyetli, kesin olmayan izomorfizm olamaz.

Her aktif düğümün maliyetini belirlemek için kullanılan algoritma, bu yöntemin hesaplama karmaşıklığı açısından açıkça önemlidir. Ayrıştırma yöntemi için deneysel sonuçlar, işlenecek bir sonraki etkin düğümü belirlemek için ileriye dönük A* algoritmasını kullanan bir algoritmaya atıfta bulunur.

Ayrıştırma Tabanlı LCSG Algoritması

Ayrışmaya dayalı izomorfizm saptama algoritması iki kısma ayrılabilir. Bir kısım, bir ayrıştırma ağındaki çoklu model grafiklerinin temsilidir, diğeri ise ağı grafik veya alt çizge izomorfizmlerini bulmak için kullanan algoritmadır.

Messmer ve Bunke, ayrışma ağı üzerinde çalışan iki algoritma sağlar; biri modellerden girdiye kadar kesin izomorfizmleri bulmak için ve diğeri bir düzenleme mesafesi ölçüsü kullanarak kesin olmayan izomorfizm tespiti sağlamak için. Bu algoritmalar, verimli izomorfizm tespiti için ayrışma ağ temsilinin nasıl kullanılabileceğine dair örnekler verir. Algoritmaların verimliliği göz önüne alındığında, grafik gösterimleri için diğer problemleri çözmek için bu gösterimi kullanmaya çalışmak mantıklıdır.

Daha önce belirtildiği gibi, kesin olmayan grafik izomorfizm saptamasının düzenleme mesafesi formülasyonu genellikle bir görev için uygun değildir; bu nedenle, bir girdi grafiği ile bir model grafik veritabanı arasındaki LCSG’yi algılamak için bir ayrıştırma ağı kullanan bir algoritma sunuyoruz. İki ölçüm temelde farklı bir yaklaşım gerektirdiğinden, bu düzenleme mesafesi algoritmasının basit bir modifikasyonu değildir.

LCSG’nin saptanması için yeni algoritma, bir ek sembol, bir joker karakter köşe etiketi sunar. ? sembolü ile gösterilen bu etiket, ayrıştırma ağının modellerinde doğru eşlemenin olmadığı girdi grafiğindeki köşeleri eşlemek için kullanılır.

LCSG algoritmasının ilk adımı, düzenleme mesafesi algoritmasında olduğu gibi, girdi ve modeller arasındaki kesin izomorfizmleri tespit etmektir. Bu, ağdaki tüm olası eşlemeleri somutlaştırma etkisine sahiptir. Kesin izomorfizm yoksa, ağın her ilk düğümüne bir joker karakter etiketi eklenir.

Bu joker eşlemeler, daha sonra, kesin izomorfizmi olmayan eşlemeleri tamamlamak için diğer düğümlerle birleştirilir. Örnek bir giriş için eşlemelerle açıklamalı bir ayrıştırma ağını gösterir.

Girişte b etiketli bir tepe noktasının olmaması, onu bir joker karaktere eşleyerek telafi edilir. Bu, sol el modelinde üçüncü dereceden bir alt grafiğin tespit edilmesini sağlar. Bu mekanizma, düzenleme mesafe ölçülerinde eşleşmeyen köşelerin eşlenmesine benzer.

Düğüm etiketleme ALGORİTMASI
YÖNLENDİRME algoritmaları
Maksimum akış problemi Örnek
Yapay sinir ağları öğrenme algoritmaları
En yüksek Akış Problemleri
Yöneylem Araştırması 2 Ders NOTLARI
Minimum Yayılan ağaç problemi
Yapay sinir ağları final soruları

LCSG ve düzenleme mesafesi arasındaki farklar şunlardır:

• LCSG algoritması, olası kenar eşlemeleriyle ilgilenmez.
• En iyi çözümün tespiti için farklı bir kontrol algoritması gerekir.

Geriye, tüm en iyi çözümlerin olabildiğince verimli bir şekilde algılanmasını sağlamak için joker eşlemeleri kullanan bir kontrol algoritması sağlamak kalır.

Ayrıştırma ağındaki köşelerin, giriş birleşimindeki köşelere ve joker karakter köşe etiketine olası tüm eşlemeleri incelenirse, LCSG bulunacaktır. Bu, verimsiz bir algoritmaya yol açacağından, karar ağacında olduğu gibi, arama uzayını budamak için bir yöntem gereklidir.

Karar ağacı LCSG algoritmasında giriş komşuluk matrisinin bir permütasyonu gerçekleştirildiğinde, bir giriş tepe noktası izomorfizmden açıkça hariç tutulur; böylece en büyük LCSG’nin boyutu küçültülür. Bu, etkili bir budama sürecinin uygulanmasına izin verir, çünkü her noktada bir inişin verebileceği olası en büyük ortak alt grafiğin boyutunu biliyoruz.

Bununla birlikte, ayrıştırma ağındaki bir düğümde bir köşe eşlemesine bir joker karakter dahil edildiğinde, bir modelin bir düğümü izomorfizmin dışında tutulur. Bu nedenle, LCSG’deki olası köşe sayısının azaltılıp azaltılmadığı bilinmemektedir.

Bunun nedeni, bir köşe etiketinin ? bir düğümde, ağın başka bir bölümünde doğru şekilde eşlenmiş başka bir köşe etiketi örneği olabilir. Doğru eşleme, ağın daha aşağısındaki joker karakter eşlemenin dalı ile birleştirilen ağın bir dalına ait olabilir.

Bu resimli. İçinde a, b ve c (N1) içeren düğüm yalnızca b’yi eşleyerek etkinleştirilebilir. Bununla birlikte, b etiketli tepe noktası, c, b ve e’yi (N2) içeren düğüme dahil edildiğinden, son eşlemeden çıkarılmaz.

N1 ve N2’nin alt grafikleri, en iyi sonucu elde etmek için eşlemelerini birleştirerek birleştirilir. Aslında, LCSG’ye götüren N1 düğümündeki köşe eşlemesi a, ?, ?’dir. N1’deki bu eşleme, N2 düğümündeki b, c, e eşlemesiyle birleştirilir. Diğer dallardaki eşleme bilgisi eksikliğinden dolayı, her düğümde doğru şekilde eşlenebilecek giriş köşelerinin sayısını belirlemek mümkün değildir. Bu nedenle alternatif bir uygunluk ölçüsü bulmak gereklidir.

Makale Deniz

Biyografinin Tamamını Gör