I ricercatori hanno presentato l'algoritmo SSLD per l'ottimizzazione della colorazione dei grafi

I ricercatori hanno presentato SSLD (Semidefinite Spectral Learning with DSATUR) — un nuovo metodo di pre-elaborazione dei dati che aumenta l'efficienza del classico algoritmo euristico DSATUR per la risoluzione del problema della colorazione dei grafi (GCP).

Il metodo si basa sull'utilizzo del programma semidefinito (SDP) per la selezione della prima classe di colori prima di avviare l'algoritmo principale. A differenza dell'approccio standard, SSLD fissa l'insieme iniziale di vertici, il che consente di migliorare notevolmente la qualità della colorazione finale del grafo, minimizzando il numero totale di colori utilizzati.

L'efficacia dell'algoritmo è stata testata su oltre 1600 benchmark, tra cui grafi di Erdős-Rényi, Watts-Strogatz e Barabási-Albert, nonché su problemi di assegnazione di frequenze e pianificazione della produzione. I risultati mostrano che SSLD supera o è equivalente ai risultati del DSATUR standard in tutti i casi testati.

La principale limitazione del metodo è la complessità computazionale: il processo di pre-elaborazione rende l'esecuzione dell'algoritmo circa 195 volte più lenta rispetto al DSATUR originale. Tuttavia, gli autori hanno confermato che l'utilizzo della scelta SDP-guidata della prima classe di colori è una direzione promettente per l'ulteriore ottimizzazione dei problemi NP-difficili.

Questo lavoro, pubblicato con licenza arXiv, dimostra il potenziale degli approcci ibridi, che combinano euristica classica con metodi di programmazione matematica per la risoluzione di problemi combinatori complessi.