- Алгоритм градиентного спуска
- Алгоритм Метрополиса с отжигом
- Алгоритм Метрополиса без отжига
- Algorithms.cpp - реализация всех трех алгоритмов на C++
- Algorithms.ipynb - реализация алгоритмов на Python 2.7, генерация & использование случайных графов, отрисовка графов и путей. Изначально весь код писался на Python, а потом портировался на C++, поэтому данный файл лучше написан, закомментирован и т.д.
- env.py - реализация функций энергии, поиска нового состояния и т.д.
- graph_pictures - примеры найденных путей для разных графов
- table_result.csv - сравнение результатов работы различных алгоритмах на различных графах (изменялось число вершин и вероятность ребер)
Для запуска Python кода необходимо установить несколько библиотек (работают под Ubuntu 14.04, на других ОС не проверял). Плюс нужно поставить Jupyter notebook.
sudo pip install matplotlib networkx pandas
pip install jupyterВот пример работы алгоритмов для случайного графа на 19 вершинах с вероятностью появления ребра 0.2:
По таблице, представленной в файле table_result.csv видно, что алгоритм градиентного спуска хорошо работает на сильно разряженных графах, либо на графах с маленьким числом вершин. Лучше всего работает алгоритм Метрополиса с отжигом, но это заметно только на графах с числом вершин больше ~25-30 (в отчете нет таких картинок, потому что генерация требует много памяти). Алгоритм Метрополиса без отжига на маленьких графах работает примерно так же как и алгоритм градиентного спуска, при росте числа вершин находит более длинные пути, но проигрывает Метрополису с отжигом.