معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Modern convex optimization-based graph algorithms.

ویژگی	مقدار
سیستم عامل	-
نام فایل	cvxgraphalgs-0.1.2
نام	cvxgraphalgs
نسخه کتابخانه	0.1.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Hermish Mehta
ایمیل نویسنده	hermishdm@gmail.com
آدرس صفحه اصلی	https://github.com/hermish/cvx-graph-algorithms
آدرس اینترنتی	https://pypi.org/project/cvxgraphalgs/
مجوز	-

# CVX Graph Algorithms ## Introduction > Modern convex optimization-based graph algorithms. Convex optimization presents an exciting new direction in designing exact and approximate graph algorithms. However, these algorithms are often overlooked in practice due to limitations in solving large convex programs quickly. Convex optimization-based graph algorithms nonetheless achieve impressive theoretical performance, and often provide a beautiful geometric interpretation. This package implements some of these algorithms and provides corresponding graph generators to test performance---hopefully highlighting how simple, elegant and effective these can be for many real-world problems. ## Details In this package, we provide implementations of the following algorithms. Note featured convex optimization-based algorithms are in bold and references are provided when available. This package also provides functions to generate graphs drawn from the planted independent set distribution and stochastic block model. 1. Maximum Cut Problem 1. **Goemans-Williamson MAX-CUT Algorithm** [1] 2. Random MAX-CUT Algorithm 3. Greedy MAX-CUT Algorithm 2. Independent Set Algorithm 1. **Crude SDP-based Independent Set** [2] 2. Greedy Independent Set Algorithm 3. Spectral Algorithm for Independent Set ## Install and Usage You can install this directly from the Python Package Index (PyPI). ``` pip install cvxgraphalgs ``` Below, we show how to run the Goemans-Williamson MAX-CUT Algorithm on a graph drawn from the stochastic block model distribution. For more examples, explore the jupyter notebooks available with the package documentation available [here](https://github.com/hermish/cvx-graph-algorithms/). ``` >>> import cvxgraphalgs as cvxgr >>> graph, _ = cvxgr.generators.bernoulli_planted_independent( ... size=50, independent_size=15, probability=0.5 ... ) >>> recovered = cvxgr.algorithms.crude_sdp_independent_set(graph) >>> len(recovered) 15 ``` ## References [1]: Goemans, Michel X., and David P. Williamson. "Improved approximation algorithms for maximum cut and satisfiability problems using semidefinite programming." *Journal of the ACM (JACM)* 42, no. 6 (1995): 1115-1145. [2]: McKenzie, Theo, Hermish Mehta, and Luca Trevisan. "A New Algorithm for the Robust Semi-random Independent Set Problem." *arXiv:1808.03633* (2018).

نیازمندی

مقدار	نام
-	numpy
-	scipy
-	cvxpy
-	networkx

نحوه نصب

نصب پکیج whl cvxgraphalgs-0.1.2:

pip install cvxgraphalgs-0.1.2.whl

نصب پکیج tar.gz cvxgraphalgs-0.1.2:

pip install cvxgraphalgs-0.1.2.tar.gz