def calculateFictifGain(s1,s2,P1,P2,graph):
return objf.calculateGainNodesAB(s1,s2,P1,P2,graph)
def kl(graph,verbose):
print "Starting KL version 3.."
startTime = time.time()
## Initialisation ##
# Sert à mémoriser les sommets échangés
exchangedNodes = []
# Liste de partitions
partitionsList = []
# Initialisation des listes de sommets à étudier
# (une par partition)
remainingNodesS1 = []
remainingNodesS2 = []
# Initialisation des listes de gain fictif
GFictif = 0
## Déroulement de l'algo ##
# bipartition
partitionsList, graph = g.glouton(2,graph,False,False)
# Mise a jour des listes des sommets à étudier
remainingNodesS1 = list(partitionsList[0])
remainingNodesS2 = list(partitionsList[1])
if verbose:
print "Partition Init 1: ", remainingNodesS1
print "Partition Init 2: ", remainingNodesS2
optimumEqu = False
# boucle principale
deltaTime = -time.time()
# calcul du gain global initial
globalMin = objf.calculateCut(remainingNodesS1,remainingNodesS2,graph)
if verbose:
print "Global Min Initial:", globalMin
while remainingNodesS1 != [] and remainingNodesS2 != [] and not optimumEqu:
improvement = False
P1 = list(partitionsList[0])
P2 = list(partitionsList[1])
localMin = sys.maxint
# On inverse l'ordre de P1 et de P2 car les derniers sommets ajoutés
# sont les plus susceptibles à ressortir en premier
for nodeA in reversed(remainingNodesS1):
# s1 : sommet candidat de S1 pour un échange
s1 = nodeA
for nodeB in reversed(remainingNodesS2):
# on cherche le meilleur candidat pour un échange avec s1
# Calcul du gain lié à l'échange de a et b : G(a,b)
#gainAB = calculateFictifGain(s1, nodeB, P1, P2, graph)
gainAB = objf.calculateGainNodesAB(s1, nodeB, P1, P2, graph)
if gainAB + globalMin < localMin:
localMin = gainAB + globalMin
# s2 : sommet candidat de S2 pour un échange avec s1
s2 = nodeB
if verbose:
print "Nouveau gain local:", localMin, "Nodes: ", s1, s2
#GFictif = gainAB
GFictif = localMin
# Mise a jour du gain global
if (GFictif < globalMin):
improvement = True
globalMin = GFictif
if verbose:
print "Nouveau gain global:", globalMin, "Nodes:", s1, s2
exchangedNodes.append(s1)
exchangedNodes.append(s2)
# P ← échanger les sommets s1 et s2
partitionsList = switchNodes(partitionsList,s1,s2)
if verbose:
print "Les noeuds",s1,"et",s2, "ont été échangés"
print "Partition 1:", partitionsList[0]
print "Partition 2:", partitionsList[1]
# Mise a jour des listes des sommets à étudier
remainingNodesS1 = setRemainingNodes(partitionsList[0],exchangedNodes)
remainingNodesS2 = setRemainingNodes(partitionsList[1],exchangedNodes)
if (improvement == False):
if verbose:
print "Optimum équilibré trouvé:", objf.calculateCut(partitionsList[0], partitionsList[1], graph)
optimumEqu = True
if verbose:
print ""
print "Recherche de sommets uniques à changer..."
while exchangedNodes != [] :
localMin = sys.maxint
for node in exchangedNodes:
gain = calculateFictifGainUnique(node, partitionsList[0], partitionsList[1], graph)
# recherche du meilleur gain local
if gain < localMin:
localMin = gain
if verbose:
print "Nouveau gain local:", localMin, "Node: ", node
s = node
GFictif = gain
exchangedNodes.remove(s)
if (GFictif < globalMin):
globalMin = GFictif
if verbose:
print "Nouveau gain global:", globalMin, "Node:", s
print "Le noeud",s,"a été échangé de partition"
partitionsList = switchNodesUnique(partitionsList,s)
stopTime = time.time()
deltaTime += time.time()
print "Temps d'exécution total:", stopTime-startTime
print "Temps d'exécution KL:", deltaTime
if verbose:
print "Partition Finale 1:", partitionsList[0]
print "Partition Finale 2:", partitionsList[1]
print "Global cut:", objf.calculateCut(partitionsList[0], partitionsList[1], graph)
