Upload
jens-fielenbach
View
181
Download
1
Embed Size (px)
Citation preview
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Reguläre ÄquivalenzIP-Formulierung von Blockmodellen
Jens Fielenbach
Arbeitsgruppe ComOptvon Prof. Dr. Gerhard Reinelt
Fakultät für Mathematik und InformatikUniversität Heidelberg
Seminar Analyse von Netzwerken im SS 2011
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Gliederung
1 Ausgangspunkt / MotivationWiederholung der DefinitionenExaktes Auffinden der maximalen regulären ÄquivalenzWas will man mehr?
2 BlockmodellierungBlockmodellierung als OptimierungsproblemKomplexität von 2-ROLE-ASSIGNABILITY (2RA)IP-Formulierung
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Wiederholung der Definitionen
Reguläre Äquivalenz
Definition (Reguläre Äquivalenz)
Eine Äquivalenzrelation der Knotenmenge eines GraphenG = (V ,E) heißt regulär, wenn für jedes Knotenpaar (u, v) mitu ≡ w stets folgende Implikationen gelten:
i (uv ∈ E) =⇒ (∃z ≡ v : wz ∈ E)
ii (vu ∈ E) =⇒ (∃z ≡ v : zw ∈ E)
Merksatz in Prosa
Knoten der selben Äquivalenzklasse haben Knoten dergleichen Äquivalenzklassen in ihrer jeweiligen Menge vonNachbarn.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Ein kleines Beispiel zum Warmwerden. . .
2
34
1
Abbildung: Finden Sie ein oder mehrere reguläre Äquivalenzen!
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Eine Lösung2
34
1
Alle regulären Äquivalenzen1234
14/23 1/234 124/3 13/24 123/4 134/2 12/34
1/23/4 14/2/3 1/24/3 13/2/4 12/3/4 1/2/34
1/2/3/4
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Eine Lösung2
34
1
Alle regulären Äquivalenzen1234
14/23 1/234 124/3 13/24 123/4 134/2 12/34
1/23/4 14/2/3 1/24/3 13/2/4 12/3/4 1/2/34
1/2/3/4
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Der CATREGE-Algorithmus [Borgatti u. Everett, 1993]
Sei P die jeweils aktuelle Partition des Graphen.1 Starte P mit allen Knoten in ein und derselben Äquivalenzklasse.
Anmerkung: Natürlich sind alternative Vorgaben für P möglich.
2 Für jeden Knoten berechne dessen Nachbarschaftsmenge bezüglich P neu.
3 Für jedes Paar von Knoten vergleiche deren Nachbarschaftsmengen:→ Übereinstimmung: Knoten bleiben äquivalent.→ Abweichung: Eröffne neue Äquivalenzklasse für einen der Knoten.
4 Wiederhole ab (2) solange Veränderungen eingetreten sind.
5 Gebe Partition P als Lösung zurück.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Der CATREGE-Algorithmus [Borgatti u. Everett, 1993]
Sei P die jeweils aktuelle Partition des Graphen.1 Starte P mit allen Knoten in ein und derselben Äquivalenzklasse.
Anmerkung: Natürlich sind alternative Vorgaben für P möglich.
2 Für jeden Knoten berechne dessen Nachbarschaftsmenge bezüglich P neu.
3 Für jedes Paar von Knoten vergleiche deren Nachbarschaftsmengen:→ Übereinstimmung: Knoten bleiben äquivalent.→ Abweichung: Eröffne neue Äquivalenzklasse für einen der Knoten.
4 Wiederhole ab (2) solange Veränderungen eingetreten sind.
5 Gebe Partition P als Lösung zurück.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Der CATREGE-Algorithmus [Borgatti u. Everett, 1993]
Sei P die jeweils aktuelle Partition des Graphen.1 Starte P mit allen Knoten in ein und derselben Äquivalenzklasse.
Anmerkung: Natürlich sind alternative Vorgaben für P möglich.
2 Für jeden Knoten berechne dessen Nachbarschaftsmenge bezüglich P neu.
3 Für jedes Paar von Knoten vergleiche deren Nachbarschaftsmengen:→ Übereinstimmung: Knoten bleiben äquivalent.→ Abweichung: Eröffne neue Äquivalenzklasse für einen der Knoten.
4 Wiederhole ab (2) solange Veränderungen eingetreten sind.
5 Gebe Partition P als Lösung zurück.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Der CATREGE-Algorithmus [Borgatti u. Everett, 1993]
Sei P die jeweils aktuelle Partition des Graphen.1 Starte P mit allen Knoten in ein und derselben Äquivalenzklasse.
Anmerkung: Natürlich sind alternative Vorgaben für P möglich.
2 Für jeden Knoten berechne dessen Nachbarschaftsmenge bezüglich P neu.
3 Für jedes Paar von Knoten vergleiche deren Nachbarschaftsmengen:→ Übereinstimmung: Knoten bleiben äquivalent.→ Abweichung: Eröffne neue Äquivalenzklasse für einen der Knoten.
4 Wiederhole ab (2) solange Veränderungen eingetreten sind.
5 Gebe Partition P als Lösung zurück.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Der CATREGE-Algorithmus [Borgatti u. Everett, 1993]
Sei P die jeweils aktuelle Partition des Graphen.1 Starte P mit allen Knoten in ein und derselben Äquivalenzklasse.
Anmerkung: Natürlich sind alternative Vorgaben für P möglich.
2 Für jeden Knoten berechne dessen Nachbarschaftsmenge bezüglich P neu.
3 Für jedes Paar von Knoten vergleiche deren Nachbarschaftsmengen:→ Übereinstimmung: Knoten bleiben äquivalent.→ Abweichung: Eröffne neue Äquivalenzklasse für einen der Knoten.
4 Wiederhole ab (2) solange Veränderungen eingetreten sind.
5 Gebe Partition P als Lösung zurück.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Der CATREGE-Algorithmus [Borgatti u. Everett, 1993]
Sei P die jeweils aktuelle Partition des Graphen.1 Starte P mit allen Knoten in ein und derselben Äquivalenzklasse.
Anmerkung: Natürlich sind alternative Vorgaben für P möglich.
2 Für jeden Knoten berechne dessen Nachbarschaftsmenge bezüglich P neu.
3 Für jedes Paar von Knoten vergleiche deren Nachbarschaftsmengen:→ Übereinstimmung: Knoten bleiben äquivalent.→ Abweichung: Eröffne neue Äquivalenzklasse für einen der Knoten.
4 Wiederhole ab (2) solange Veränderungen eingetreten sind.
5 Gebe Partition P als Lösung zurück.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Der CATREGE-Algorithmus [Borgatti u. Everett, 1993]
Sei P die jeweils aktuelle Partition des Graphen.1 Starte P mit allen Knoten in ein und derselben Äquivalenzklasse.
Anmerkung: Natürlich sind alternative Vorgaben für P möglich.
2 Für jeden Knoten berechne dessen Nachbarschaftsmenge bezüglich P neu.
3 Für jedes Paar von Knoten vergleiche deren Nachbarschaftsmengen:→ Übereinstimmung: Knoten bleiben äquivalent.→ Abweichung: Eröffne neue Äquivalenzklasse für einen der Knoten.
4 Wiederhole ab (2) solange Veränderungen eingetreten sind.
5 Gebe Partition P als Lösung zurück.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Der CATREGE-Algorithmus [Borgatti u. Everett, 1993]
Sei P die jeweils aktuelle Partition des Graphen.1 Starte P mit allen Knoten in ein und derselben Äquivalenzklasse.
Anmerkung: Natürlich sind alternative Vorgaben für P möglich.
2 Für jeden Knoten berechne dessen Nachbarschaftsmenge bezüglich P neu.
3 Für jedes Paar von Knoten vergleiche deren Nachbarschaftsmengen:→ Übereinstimmung: Knoten bleiben äquivalent.→ Abweichung: Eröffne neue Äquivalenzklasse für einen der Knoten.
4 Wiederhole ab (2) solange Veränderungen eingetreten sind.
5 Gebe Partition P als Lösung zurück.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Der CATREGE-Algorithmus [Borgatti u. Everett, 1993]
Sei P die jeweils aktuelle Partition des Graphen.1 Starte P mit allen Knoten in ein und derselben Äquivalenzklasse.
Anmerkung: Natürlich sind alternative Vorgaben für P möglich.
2 Für jeden Knoten berechne dessen Nachbarschaftsmenge bezüglich P neu.
3 Für jedes Paar von Knoten vergleiche deren Nachbarschaftsmengen:→ Übereinstimmung: Knoten bleiben äquivalent.→ Abweichung: Eröffne neue Äquivalenzklasse für einen der Knoten.
4 Wiederhole ab (2) solange Veränderungen eingetreten sind.
5 Gebe Partition P als Lösung zurück.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Eigenschaften
Terminiert mit dem sog. Regular Interior [Borgatti und Everett]
d.h. der maximalen regulären Partion P ≤ der Startpartition.
Laufzeit O(n3)
maximal n Iterationen, da Anzahl der Äquivalenzklassenstreng monoton steigend – bis auf den letzten Schritt.
Laufzeit eines Schritts beträgt O(n(n−1)2 ) = O(n2).
Prädestiniert für Umgang mit Multiplen Relationen
über stets separate Bestimmung der Nachbarschaftsmengen
Implementierung
nicht mehr als 300-400 Zeilen Quellcode in C++
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Eigenschaften
Terminiert mit dem sog. Regular Interior [Borgatti und Everett]
d.h. der maximalen regulären Partion P ≤ der Startpartition.
Laufzeit O(n3)
maximal n Iterationen, da Anzahl der Äquivalenzklassenstreng monoton steigend – bis auf den letzten Schritt.
Laufzeit eines Schritts beträgt O(n(n−1)2 ) = O(n2).
Prädestiniert für Umgang mit Multiplen Relationen
über stets separate Bestimmung der Nachbarschaftsmengen
Implementierung
nicht mehr als 300-400 Zeilen Quellcode in C++
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Eigenschaften
Terminiert mit dem sog. Regular Interior [Borgatti und Everett]
d.h. der maximalen regulären Partion P ≤ der Startpartition.
Laufzeit O(n3)
maximal n Iterationen, da Anzahl der Äquivalenzklassenstreng monoton steigend – bis auf den letzten Schritt.
Laufzeit eines Schritts beträgt O(n(n−1)2 ) = O(n2).
Prädestiniert für Umgang mit Multiplen Relationen
über stets separate Bestimmung der Nachbarschaftsmengen
Implementierung
nicht mehr als 300-400 Zeilen Quellcode in C++
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Eigenschaften
Terminiert mit dem sog. Regular Interior [Borgatti und Everett]
d.h. der maximalen regulären Partion P ≤ der Startpartition.
Laufzeit O(n3)
maximal n Iterationen, da Anzahl der Äquivalenzklassenstreng monoton steigend – bis auf den letzten Schritt.
Laufzeit eines Schritts beträgt O(n(n−1)2 ) = O(n2).
Prädestiniert für Umgang mit Multiplen Relationen
über stets separate Bestimmung der Nachbarschaftsmengen
Implementierung
nicht mehr als 300-400 Zeilen Quellcode in C++
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Beispiel: Geschäftsbeziehungen von 70 Fotografen
Wer beliefert wen? [weitgehende Planardarstellung mit Social Network Visualizer SocNetV]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
5354
55
56
57
5859
60
61
62
63
64
65
66
67
68
69
70
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 3536 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 3536 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69
Nachbarschaftsmengen neu berechnen und vergleichen.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 3536 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69
Nachbarschaftsmengen neu berechnen und vergleichen.
Anzahl der Äquivalenzklassen: 8
‖ 0 5 49 53 ‖ 1 6 7 14 18 20 22 24 29 30 35 36 37 41 43 45 47 57 59 61 62 63 64 65 66 68 ‖ 2 38 60 ‖3 4 10 11 12 13 16 23 25 26 27 31 33 40 42 50 55 ‖ 8 19 56 ‖ 9 17 28 32 34 39 44 51 54 67 ‖15 21 46 48 52 58 ‖ 69 ‖
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Äquivalenz mit 8 Klassen
Finden Sie einen Fehler (eine Irregularität)!
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
5354
55
56
57
5859
60
61
62
63
64
65
66
67
68
69
70
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 8
‖ 0 5 49 53 ‖ 1 6 7 14 18 20 22 24 29 30 35 36 37 41 43 45 47 57 59 61 62 63 64 65 66 68 ‖ 2 38 60 ‖3 4 10 11 12 13 16 23 25 26 27 31 33 40 42 50 55 ‖ 8 19 56 ‖ 9 17 28 32 34 39 44 51 54 67 ‖15 21 46 48 52 58 ‖ 69 ‖
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 8
‖ 0 5 49 53 ‖ 1 6 7 14 18 20 22 24 29 30 35 36 37 41 43 45 47 57 59 61 62 63 64 65 66 68 ‖ 2 38 60 ‖3 4 10 11 12 13 16 23 25 26 27 31 33 40 42 50 55 ‖ 8 19 56 ‖ 9 17 28 32 34 39 44 51 54 67 ‖15 21 46 48 52 58 ‖ 69 ‖
Nachbarschaftsmengen neu berechnen und vergleichen.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 8
‖ 0 5 49 53 ‖ 1 6 7 14 18 20 22 24 29 30 35 36 37 41 43 45 47 57 59 61 62 63 64 65 66 68 ‖ 2 38 60 ‖3 4 10 11 12 13 16 23 25 26 27 31 33 40 42 50 55 ‖ 8 19 56 ‖ 9 17 28 32 34 39 44 51 54 67 ‖15 21 46 48 52 58 ‖ 69 ‖
Nachbarschaftsmengen neu berechnen und vergleichen.
Anzahl der Äquivalenzklassen: 29
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 23 25 26 33 42 55 ‖ 4 11 16 27 31 ‖ 5 53 ‖ 6 29 ‖7 24 41 45 47 61 62 63 65 66 68 ‖ 8 ‖ 9 17 ‖ 12 40 ‖ 14 18 30 35 37 43 57 64 ‖ 15 ‖ 19 ‖ 20 36 ‖21 ‖ 22 59 ‖ 28 67 ‖ 32 34 39 54 ‖ 38 60 ‖ 44 ‖ 46 ‖ 48 52 ‖ 49 ‖ 50 ‖ 51 ‖ 56 ‖ 58 ‖ 69 ‖
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 29
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 23 25 26 33 42 55 ‖ 4 11 16 27 31 ‖ 5 53 ‖ 6 29 ‖7 24 41 45 47 61 62 63 65 66 68 ‖ 8 ‖ 9 17 ‖ 12 40 ‖ 14 18 30 35 37 43 57 64 ‖ 15 ‖ 19 ‖ 20 36 ‖21 ‖ 22 59 ‖ 28 67 ‖ 32 34 39 54 ‖ 38 60 ‖ 44 ‖ 46 ‖ 48 52 ‖ 49 ‖ 50 ‖ 51 ‖ 56 ‖ 58 ‖ 69 ‖
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 29
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 23 25 26 33 42 55 ‖ 4 11 16 27 31 ‖ 5 53 ‖ 6 29 ‖7 24 41 45 47 61 62 63 65 66 68 ‖ 8 ‖ 9 17 ‖ 12 40 ‖ 14 18 30 35 37 43 57 64 ‖ 15 ‖ 19 ‖ 20 36 ‖21 ‖ 22 59 ‖ 28 67 ‖ 32 34 39 54 ‖ 38 60 ‖ 44 ‖ 46 ‖ 48 52 ‖ 49 ‖ 50 ‖ 51 ‖ 56 ‖ 58 ‖ 69 ‖
Nachbarschaftsmengen neu berechnen und vergleichen.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 29
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 23 25 26 33 42 55 ‖ 4 11 16 27 31 ‖ 5 53 ‖ 6 29 ‖7 24 41 45 47 61 62 63 65 66 68 ‖ 8 ‖ 9 17 ‖ 12 40 ‖ 14 18 30 35 37 43 57 64 ‖ 15 ‖ 19 ‖ 20 36 ‖21 ‖ 22 59 ‖ 28 67 ‖ 32 34 39 54 ‖ 38 60 ‖ 44 ‖ 46 ‖ 48 52 ‖ 49 ‖ 50 ‖ 51 ‖ 56 ‖ 58 ‖ 69 ‖
Nachbarschaftsmengen neu berechnen und vergleichen.
Anzahl der Äquivalenzklassen: 47
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 25 26 55 ‖ 4 ‖ 5 ‖ 6 ‖ 7 24 41 45 47 62 63 65 66 ‖ 8 ‖ 9 ‖ 11 16 27 31 ‖ 12 ‖14 18 35 ‖ 15 ‖ 17 ‖ 19 ‖ 20 ‖ 21 ‖ 22 59 ‖ 23 ‖ 28 67 ‖ 29 ‖ 30 57 ‖ 32 34 ‖ 33 42 ‖ 36 ‖ 37 ‖ 38 ‖39 ‖ 40 ‖ 43 ‖ 44 ‖ 46 ‖ 48 ‖ 49 ‖ 50 ‖ 51 ‖ 52 ‖ 53 ‖ 54 ‖ 56 ‖ 58 ‖ 60 ‖ 61 ‖ 64 ‖ 68 ‖ 69 ‖
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 47
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 25 26 55 ‖ 4 ‖ 5 ‖ 6 ‖ 7 24 41 45 47 62 63 65 66 ‖ 8 ‖ 9 ‖ 11 16 27 31 ‖ 12 ‖14 18 35 ‖ 15 ‖ 17 ‖ 19 ‖ 20 ‖ 21 ‖ 22 59 ‖ 23 ‖ 28 67 ‖ 29 ‖ 30 57 ‖ 32 34 ‖ 33 42 ‖ 36 ‖ 37 ‖ 38 ‖39 ‖ 40 ‖ 43 ‖ 44 ‖ 46 ‖ 48 ‖ 49 ‖ 50 ‖ 51 ‖ 52 ‖ 53 ‖ 54 ‖ 56 ‖ 58 ‖ 60 ‖ 61 ‖ 64 ‖ 68 ‖ 69 ‖
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 47
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 25 26 55 ‖ 4 ‖ 5 ‖ 6 ‖ 7 24 41 45 47 62 63 65 66 ‖ 8 ‖ 9 ‖ 11 16 27 31 ‖ 12 ‖14 18 35 ‖ 15 ‖ 17 ‖ 19 ‖ 20 ‖ 21 ‖ 22 59 ‖ 23 ‖ 28 67 ‖ 29 ‖ 30 57 ‖ 32 34 ‖ 33 42 ‖ 36 ‖ 37 ‖ 38 ‖39 ‖ 40 ‖ 43 ‖ 44 ‖ 46 ‖ 48 ‖ 49 ‖ 50 ‖ 51 ‖ 52 ‖ 53 ‖ 54 ‖ 56 ‖ 58 ‖ 60 ‖ 61 ‖ 64 ‖ 68 ‖ 69 ‖
Nachbarschaftsmengen neu berechnen und vergleichen.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 47
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 25 26 55 ‖ 4 ‖ 5 ‖ 6 ‖ 7 24 41 45 47 62 63 65 66 ‖ 8 ‖ 9 ‖ 11 16 27 31 ‖ 12 ‖14 18 35 ‖ 15 ‖ 17 ‖ 19 ‖ 20 ‖ 21 ‖ 22 59 ‖ 23 ‖ 28 67 ‖ 29 ‖ 30 57 ‖ 32 34 ‖ 33 42 ‖ 36 ‖ 37 ‖ 38 ‖39 ‖ 40 ‖ 43 ‖ 44 ‖ 46 ‖ 48 ‖ 49 ‖ 50 ‖ 51 ‖ 52 ‖ 53 ‖ 54 ‖ 56 ‖ 58 ‖ 60 ‖ 61 ‖ 64 ‖ 68 ‖ 69 ‖
Nachbarschaftsmengen neu berechnen und vergleichen.
Anzahl der Äquivalenzklassen: 53
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 26 ‖ 4 ‖ 5 ‖ 6 ‖ 7 24 47 63 ‖ 8 ‖ 9 ‖ 11 ‖ 12 ‖ 14 18 35 ‖ 15 ‖ 16 27 31 ‖17 ‖ 19 ‖ 20 ‖ 21 ‖ 22 59 ‖ 23 ‖ 25 ‖ 28 67 ‖ 29 ‖ 30 ‖ 32 34 ‖ 33 42 ‖ 36 ‖ 37 ‖ 38 ‖ 39 ‖ 40 ‖41 45 62 ‖ 43 ‖ 44 ‖ 46 ‖ 48 ‖ 49 ‖ 50 ‖ 51 ‖ 52 ‖ 53 ‖ 54 ‖ 55 ‖ 56 ‖ 57 ‖ 58 ‖ 60 ‖ 61 ‖ 64 ‖65 66 ‖ 68 ‖ 69 ‖
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 53
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 26 ‖ 4 ‖ 5 ‖ 6 ‖ 7 24 47 63 ‖ 8 ‖ 9 ‖ 11 ‖ 12 ‖ 14 18 35 ‖ 15 ‖ 16 27 31 ‖17 ‖ 19 ‖ 20 ‖ 21 ‖ 22 59 ‖ 23 ‖ 25 ‖ 28 67 ‖ 29 ‖ 30 ‖ 32 34 ‖ 33 42 ‖ 36 ‖ 37 ‖ 38 ‖ 39 ‖ 40 ‖41 45 62 ‖ 43 ‖ 44 ‖ 46 ‖ 48 ‖ 49 ‖ 50 ‖ 51 ‖ 52 ‖ 53 ‖ 54 ‖ 55 ‖ 56 ‖ 57 ‖ 58 ‖ 60 ‖ 61 ‖ 64 ‖65 66 ‖ 68 ‖ 69 ‖
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 53
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 26 ‖ 4 ‖ 5 ‖ 6 ‖ 7 24 47 63 ‖ 8 ‖ 9 ‖ 11 ‖ 12 ‖ 14 18 35 ‖ 15 ‖ 16 27 31 ‖17 ‖ 19 ‖ 20 ‖ 21 ‖ 22 59 ‖ 23 ‖ 25 ‖ 28 67 ‖ 29 ‖ 30 ‖ 32 34 ‖ 33 42 ‖ 36 ‖ 37 ‖ 38 ‖ 39 ‖ 40 ‖41 45 62 ‖ 43 ‖ 44 ‖ 46 ‖ 48 ‖ 49 ‖ 50 ‖ 51 ‖ 52 ‖ 53 ‖ 54 ‖ 55 ‖ 56 ‖ 57 ‖ 58 ‖ 60 ‖ 61 ‖ 64 ‖65 66 ‖ 68 ‖ 69 ‖
Nachbarschaftsmengen neu berechnen und vergleichen.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
Exemplarisch die Iterationsschritte. . .
Anzahl der Äquivalenzklassen: 53
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 26 ‖ 4 ‖ 5 ‖ 6 ‖ 7 24 47 63 ‖ 8 ‖ 9 ‖ 11 ‖ 12 ‖ 14 18 35 ‖ 15 ‖ 16 27 31 ‖17 ‖ 19 ‖ 20 ‖ 21 ‖ 22 59 ‖ 23 ‖ 25 ‖ 28 67 ‖ 29 ‖ 30 ‖ 32 34 ‖ 33 42 ‖ 36 ‖ 37 ‖ 38 ‖ 39 ‖ 40 ‖41 45 62 ‖ 43 ‖ 44 ‖ 46 ‖ 48 ‖ 49 ‖ 50 ‖ 51 ‖ 52 ‖ 53 ‖ 54 ‖ 55 ‖ 56 ‖ 57 ‖ 58 ‖ 60 ‖ 61 ‖ 64 ‖65 66 ‖ 68 ‖ 69 ‖
Nachbarschaftsmengen neu berechnen und vergleichen.
Anzahl der Äquivalenzklassen: 54
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 26 ‖ 4 ‖ 5 ‖ 6 ‖ 7 24 63 ‖ 8 ‖ 9 ‖ 11 ‖ 12 ‖ 14 18 35 ‖ 15 ‖ 16 27 31 ‖ 17 ‖19 ‖ 20 ‖ 21 ‖ 22 59 ‖ 23 ‖ 25 ‖ 28 67 ‖ 29 ‖ 30 ‖ 32 34 ‖ 33 42 ‖ 36 ‖ 37 ‖ 38 ‖ 39 ‖ 40 ‖41 45 62 ‖ 43 ‖ 44 ‖ 46 ‖ 47 ‖ 48 ‖ 49 ‖ 50 ‖ 51 ‖ 52 ‖ 53 ‖ 54 ‖ 55 ‖ 56 ‖ 57 ‖ 58 ‖ 60 ‖ 61 ‖64 ‖ 65 66 ‖ 68 ‖ 69 ‖
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Exaktes Auffinden der maximalen regulären Äquivalenz
70 Fotografen, 54 verschiedene Typen
Anzahl der Äquivalenzklassen: 54
‖ 0 ‖ 1 ‖ 2 ‖ 3 10 13 26 ‖ 4 ‖ 5 ‖ 6 ‖ 7 24 63 ‖ 8 ‖ 9 ‖ 11 ‖ 12 ‖ 14 18 35 ‖ 15 ‖ 16 27 31 ‖ 17 ‖19 ‖ 20 ‖ 21 ‖ 22 59 ‖ 23 ‖ 25 ‖ 28 67 ‖ 29 ‖ 30 ‖ 32 34 ‖ 33 42 ‖ 36 ‖ 37 ‖ 38 ‖ 39 ‖ 40 ‖41 45 62 ‖ 43 ‖ 44 ‖ 46 ‖ 47 ‖ 48 ‖ 49 ‖ 50 ‖ 51 ‖ 52 ‖ 53 ‖ 54 ‖ 55 ‖ 56 ‖ 57 ‖ 58 ‖ 60 ‖ 61 ‖64 ‖ 65 66 ‖ 68 ‖ 69 ‖
Ist eine solche Anzahl von Klassen noch sinnvoll fürdas Treffen qualitativer analytischer Aussagen?
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Was will man mehr?
Problemfeld 1: Fehlertoleranz gegenüber Realdaten
Einzelne Perturbation2
34
1
Rollen-Primitivität1234
14/23 1/234 124/3 13/24 123/4 134/2 12/34
1/23/4 14/2/3 1/24/3 13/2/4 12/3/4 1/2/34
1/2/3/4
– Kleine Ungenauigkeiten in den zu Grunde gelegtenBeziehungsdaten führen zu völlig anderer Klassenstruktur
+ Arbeitsweise des Algorithmus dafür leicht nachvollziehbar.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Was will man mehr?
Problemfeld 1: Fehlertoleranz gegenüber Realdaten
Einzelne Perturbation2
34
1
Rollen-Primitivität1234
14/23 1/234 124/3 13/24 123/4 134/2 12/34
1/23/4 14/2/3 1/24/3 13/2/4 12/3/4 1/2/34
1/2/3/4
– Kleine Ungenauigkeiten in den zu Grunde gelegtenBeziehungsdaten führen zu völlig anderer Klassenstruktur
+ Arbeitsweise des Algorithmus dafür leicht nachvollziehbar.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Was will man mehr?
Problemfeld 1: Fehlertoleranz gegenüber Realdaten
Einzelne Perturbation2
34
1
Rollen-Primitivität1234
14/23 1/234 124/3 13/24 123/4 134/2 12/34
1/23/4 14/2/3 1/24/3 13/2/4 12/3/4 1/2/34
1/2/3/4
– Kleine Ungenauigkeiten in den zu Grunde gelegtenBeziehungsdaten führen zu völlig anderer Klassenstruktur
+ Arbeitsweise des Algorithmus dafür leicht nachvollziehbar.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Was will man mehr?
Problemfeld 2: Einbringung von Vorwissen
1234
14/23 1/234 124/3 13/24 123/4 134/2 12/34
1/23/4 14/2/3 1/24/3 13/2/4 12/3/4 1/2/34
1/2/3/4
+ Im Prinzip von jeder Partition aus startbar, so lässt sich dieTrennung bestimmter Knoten erzwingen.
– Trotz strukturellem Vorwissen ist weder Klassenzahl nochRollengraph vorgebbar.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Was will man mehr?
Problemfeld 2: Einbringung von Vorwissen
1234
14/23 1/234 124/3 13/24 123/4 134/2 12/34
1/23/4 14/2/3 1/24/3 13/2/4 12/3/4 1/2/34
1/2/3/4
+ Im Prinzip von jeder Partition aus startbar, so lässt sich dieTrennung bestimmter Knoten erzwingen.
– Trotz strukturellem Vorwissen ist weder Klassenzahl nochRollengraph vorgebbar.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Was will man mehr?
Problemfeld 2: Einbringung von Vorwissen
1234
14/23 1/234 124/3 13/24 123/4 134/2 12/34
1/23/4 14/2/3 1/24/3 13/2/4 12/3/4 1/2/34
1/2/3/4
+ Im Prinzip von jeder Partition aus startbar, so lässt sich dieTrennung bestimmter Knoten erzwingen.
– Trotz strukturellem Vorwissen ist weder Klassenzahl nochRollengraph vorgebbar.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Blockmodellierung als Optimierungsproblem
Grundideen der Blockmodellierung
1 Klassenzahl und Rollengraph als Modell-Annahme2 Knoten bestmöglich den Rollen zuordnen
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Blockmodellierung als Optimierungsproblem
Gütebeurteilung: Was bedeutet bestmöglich?
Die Zielfunktion ∆ soll folgende Eigenschaften erfüllen:1 ∆(P) ≥ 02 ∆(P) = 0⇔ P ist exakt regulär.
Sei Θk die Menge aller Partitionen mit k Klassen. Dann ist zulösen das Optimierungsproblem
∆(P∗) = minP∈Θk
∆(P)
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Blockmodellierung als Optimierungsproblem
Gütebeurteilung: Was bedeutet bestmöglich?
Wähle für ∆ die Definition
∆(P) =∑
Cu ,Cv∈P
{min
B∈B(Cu ,Cv )d(Cu × Cv ,B)
}
mitCu Cluster = Äquivalenzklasse mit Repräsentant u
Cu × Cv Block = kartesisches Produkt der Cluster (Cu,Cv )
B(Cu,Cv ) Menge aller Idealblöcke für Cu × Cv
d noch zu definierende Abstandsfunktion
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Blockmodellierung als Optimierungsproblem
Wie sehen ideale reguläre Blockmatrizen aus?
Definition (Regulärer Block)
Eine Block Cu × Cv heißt regulär, wenn er in jeder Zeile undjeder Spalte mindestens eine 1 enthält.
Definition (Reguläre Matrix)
Eine Matrix heißt regulär, wenn sie nur aus Nullblöcken undregulären Blöcken besteht.
Lemma (Konsistenz der Definition)Eine Blockmatrix R ist genau dann regulär, wenn sie einereguläre Partition darstellt.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Blockmodellierung als Optimierungsproblem
Wie sehen ideale reguläre Blockmatrizen aus?
Definition (Regulärer Block)
Eine Block Cu × Cv heißt regulär, wenn er in jeder Zeile undjeder Spalte mindestens eine 1 enthält.
Definition (Reguläre Matrix)
Eine Matrix heißt regulär, wenn sie nur aus Nullblöcken undregulären Blöcken besteht.
Lemma (Konsistenz der Definition)Eine Blockmatrix R ist genau dann regulär, wenn sie einereguläre Partition darstellt.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Blockmodellierung als Optimierungsproblem
Wie sehen ideale reguläre Blockmatrizen aus?
Definition (Regulärer Block)
Eine Block Cu × Cv heißt regulär, wenn er in jeder Zeile undjeder Spalte mindestens eine 1 enthält.
Definition (Reguläre Matrix)
Eine Matrix heißt regulär, wenn sie nur aus Nullblöcken undregulären Blöcken besteht.
Lemma (Konsistenz der Definition)Eine Blockmatrix R ist genau dann regulär, wenn sie einereguläre Partition darstellt.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Blockmodellierung als Optimierungsproblem
Wie sehen ideale reguläre Blockmatrizen aus?
Beweis des Lemmas für Zeilen (Spalten analog).
„⇒“ Sei R regulär. Im Falle, dass Cu × Cv Nullblock ist nichtszu zeigen. Da für jeden Block Cu × Cv gilt
Cu × Cv regulär =⇒ ∀w ∈ Cu ∃z ∈ Cv : rwz = 1 =⇒ P reg.
„⇐“ Angenommen die Blockmatrix R stelle die regulärePartition P dar, aber ein Block Cu × Cv sei weder Null- nochregulärer Block. Sei o. B. d. A.
(ruv = 1)P reg.=⇒ (∀w ∈ Cu ∃z ∈ Cv : rwz = 1)
Dann wäre aber Cu × Cv regulär �zur Annahme.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Blockmodellierung als Optimierungsproblem
Naheliegende Definition
Definition (Abstandsfunktion d)
d(Cu × Cv ,B) ={#Nullzeilen + #Nullspalten, falls Cu × Cv regulär#Einsen, falls Cu × Cv Nullblock
Bemerkung
Obige Definition von d gewichtet Abweichungen in Nullblöckenim Mittel stärker als in regulären Blöcken. Allerdings wird so dieIP-Formulierung später wesentlich übersichtlicher.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Blockmodellierung als Optimierungsproblem
Lösungsansätze
Definition (Lokale Transformation)1 Vertausche zwei Zeilen bzw. Spalten aus verschiedenen
Clustern.2 Verschiebe eine Zeile bzw. Spalte in einen anderen
Cluster.
Gradienten-VerfahrenEs werden solange lokale Transformationen durchgeführt, wiedadurch ∆ (ganzzahlig) reduziert wird. Das erreichte Optimumist lokal. Globale Optimalität ist nur im Falle ∆ = 0 garantiert.
Daraus ergibt sich grundsätzliche Frage: Wann gibt es einexakt reguläre Partition mit genau k Äquivalenzklassen?
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Reguläre k -Zuweisbarkeit für ungerichtete Graphen
Definition (Reguläre k -Zuweisbarkeit)
Ein ungerichteter Graph G heißt regulär k -zuweisbar, wenn fürihn eine exakte reguläre Äquivalenz mit genau k Klassenexistiert.
Leicht: k = 1 und k = |V | Schwer ist dagegen. . .
Satz (NP-Vollständigkeit von 2RA)
Das Entscheidungsproblem, ob ein ungerichteter Graph Gregulär 2-zuweisbar ist, ist NP-vollständig, falls N 6= NP.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Reguläre k -Zuweisbarkeit für ungerichtete Graphen
Definition (Reguläre k -Zuweisbarkeit)
Ein ungerichteter Graph G heißt regulär k -zuweisbar, wenn fürihn eine exakte reguläre Äquivalenz mit genau k Klassenexistiert.
Leicht: k = 1 und k = |V | Schwer ist dagegen. . .
Satz (NP-Vollständigkeit von 2RA)
Das Entscheidungsproblem, ob ein ungerichteter Graph Gregulär 2-zuweisbar ist, ist NP-vollständig, falls N 6= NP.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Reguläre k -Zuweisbarkeit für ungerichtete Graphen
Definition (Reguläre k -Zuweisbarkeit)
Ein ungerichteter Graph G heißt regulär k -zuweisbar, wenn fürihn eine exakte reguläre Äquivalenz mit genau k Klassenexistiert.
Leicht: k = 1 und k = |V | Schwer ist dagegen. . .
Satz (NP-Vollständigkeit von 2RA)
Das Entscheidungsproblem, ob ein ungerichteter Graph Gregulär 2-zuweisbar ist, ist NP-vollständig, falls N 6= NP.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Reguläre k -Zuweisbarkeit für ungerichtete Graphen
Definition (Reguläre k -Zuweisbarkeit)
Ein ungerichteter Graph G heißt regulär k -zuweisbar, wenn fürihn eine exakte reguläre Äquivalenz mit genau k Klassenexistiert.
Leicht: k = 1 und k = |V | Schwer ist dagegen. . .
Satz (NP-Vollständigkeit von 2RA)
Das Entscheidungsproblem, ob ein ungerichteter Graph Gregulär 2-zuweisbar ist, ist NP-vollständig, falls N 6= NP.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
2-Rollenverteilungen eines ungerichteten Graphen
Definition (2RAi )Mit 2RAi bezeichnen wir das Teilproblem, zu entscheiden ob Gregulär 2-zuweisbar ist mit Rollengraph Ri .
Abbildung: Anzeichnen
R5
R6
4RR1
R2
3R
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Polynomiell entscheidbare Teilprobleme von 2RA
Lemma (für 2RAi , i = 1 . . . 4)Der Graph G hat genau dann eine Rollenzuweisung mit
R1 wenn G aus lauter isolierten Knoten besteht.R2 wenn G sowohl isolierte Knoten als auch einen
zusammenhängenden Teil besitzt.R3 wenn G keine isolierten Knoten, dafür aber
mindestens zwei Zusammenhangskomponentenbesitzt.
R4 wenn G keine isolierten Knoten besitzt und bipartitist.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Polynomiell entscheidbare Teilprobleme von 2RA
Lemma (für 2RAi , i = 1 . . . 4)Der Graph G hat genau dann eine Rollenzuweisung mit
R1 wenn G aus lauter isolierten Knoten besteht.R2 wenn G sowohl isolierte Knoten als auch einen
zusammenhängenden Teil besitzt.R3 wenn G keine isolierten Knoten, dafür aber
mindestens zwei Zusammenhangskomponentenbesitzt.
R4 wenn G keine isolierten Knoten besitzt und bipartitist.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Polynomiell entscheidbare Teilprobleme von 2RA
Lemma (für 2RAi , i = 1 . . . 4)Der Graph G hat genau dann eine Rollenzuweisung mit
R1 wenn G aus lauter isolierten Knoten besteht.R2 wenn G sowohl isolierte Knoten als auch einen
zusammenhängenden Teil besitzt.R3 wenn G keine isolierten Knoten, dafür aber
mindestens zwei Zusammenhangskomponentenbesitzt.
R4 wenn G keine isolierten Knoten besitzt und bipartitist.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Polynomiell entscheidbare Teilprobleme von 2RA
Lemma (für 2RAi , i = 1 . . . 4)Der Graph G hat genau dann eine Rollenzuweisung mit
R1 wenn G aus lauter isolierten Knoten besteht.R2 wenn G sowohl isolierte Knoten als auch einen
zusammenhängenden Teil besitzt.R3 wenn G keine isolierten Knoten, dafür aber
mindestens zwei Zusammenhangskomponentenbesitzt.
R4 wenn G keine isolierten Knoten besitzt und bipartitist.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Polynomiell entscheidbare Teilprobleme von 2RA
Lemma (für 2RAi , i = 1 . . . 4)Der Graph G hat genau dann eine Rollenzuweisung mit
R1 wenn G aus lauter isolierten Knoten besteht.R2 wenn G sowohl isolierte Knoten als auch einen
zusammenhängenden Teil besitzt.R3 wenn G keine isolierten Knoten, dafür aber
mindestens zwei Zusammenhangskomponentenbesitzt.
R4 wenn G keine isolierten Knoten besitzt und bipartitist.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Skizze der Beweisführung
Beweisidee.
Zeige 3SAT (NP-vollständig nach Cook) �p 2RAklar !∈ NP.
Vorgehen.
Für eine beliebige Instanz von 3SAT mitVariablenmenge U = {u1,u2, . . . ,ui , . . . ,un}Aussagenmenge C = {c1, c2, . . . , cj , . . . , cm}konstruiere einen Graphen, der genau dann regulär2-zuweisbar ist, wenn die 3SAT -Instanz erfüllbar ist.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Skizze der Beweisführung
Beweisidee.
Zeige 3SAT (NP-vollständig nach Cook) �p 2RAklar !∈ NP.
Vorgehen.
Für eine beliebige Instanz von 3SAT mitVariablenmenge U = {u1,u2, . . . ,ui , . . . ,un}Aussagenmenge C = {c1, c2, . . . , cj , . . . , cm}konstruiere einen Graphen, der genau dann regulär2-zuweisbar ist, wenn die 3SAT -Instanz erfüllbar ist.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Übertragung von 3SAT auf Graphen
Truth-Setting Ti und Satisfaction-Testing-Komponenten Sj
cj3
bj1
bj3
iuui
T i(a) Sj(b)
cj1 j2c
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Beispielgraph zum Beweis von 3SAT �p 2RA5
Konstruktion in PTIME aus der 3SAT -InstanzU = {u1,u2,u3,u4} und C = {{u1,u2, u3}, {u2, u3,u4}}
u u uu
a11
12a
a13
a21
a22
23a
a31
a32
a33
a41
a42
a43
c11 c13
b11
b12
b13
c12
c21 c23
b21
b22
b23
c22
u u u u1 2 3 41 2 3 4
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Komplexität von 2-ROLE-ASSIGNABILITY (2RA)
Beispielgraph zum Beweis von 2RA5 �p 2RA
Konstruktion in PTIME
u 1 u 2
u 1 u 2
x 1 y 1 x 2 y2
a 1 b 2
a 2b 1
C1 C2
GG (b)(a)
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
IP-Formulierung
Vereinbarungen zur IP-Formulierung
N ∈ N,N ≥ 3 Anzahl der KnotenK ∈ N \ {0} Anzahl der Blöcke
S ∈ {0,1}N×N Adjazenzmatrix des Graphen
B ∈ {0,1}K×K Matrixdarstellung des Rollengraphen
P ∈ NK×K0 Abweichungs-Gewichtungsmatrix (optional)
Lateinische Kleinbuchstaben stellen ggf. Elemente der mitGroßbuchstaben bezeichneten Matrizen dar.Alle Ausdrücke gelten für alle Indizes aus {i , j , k , l},über die nicht summiert wird.Ausdrücke mit αikl , βjkl gelten nur für Blöcke (k , l)|bkl = 1.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
IP-Formulierung
IP-Formulierung [Brusco, Steinley]
minN∑
i=1
N∑j=1
∑(k ,l)|bkl =0
pkl yijkl sij +N∑
i=1
∑(k ,l)|bkl =1
pkl αikl +N∑
j=1
∑(k ,l)|bkl =1
pkl βjkl
s.t.K∑
k=1
xik = 1N∑
i=1
xik ≥ 1 (1)
xik + xjl − yijkl ≤ 1 xik + xjl − 2 yijkl ≥ 0 (2) N∑j=1
yijkl sij
+ αikl ≥ xik
(N∑
i=1
yijkl sij
)+ βjkl ≥ xjl (3)
xik , yijkl ∈ {0,1} αikl , βjkl ∈ {0,1} (4)
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
IP-Formulierung
IP-Formulierung [äquivalent und lesbar]
minK∑
k=1
K∑l=1
pkl
¬bkl
N∑i=1
N∑j=1
yijkl sij + bkl
N∑i=1
αikl +N∑
j=1
βjkl
s.t.K∑
k=1
xik = 1N∑
i=1
xik ≥ 1 (1)
xik + xjl − yijkl ≤ 1 xik + xjl − 2 yijkl ≥ 0 (2) N∑j=1
yijkl sij
+ αikl ≥ xik
(N∑
i=1
yijkl sij
)+ βjkl ≥ xjl (3)
xik , yijkl ∈ {0,1} αikl , βjkl ∈ {0,1} (4)
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
IP-Formulierung
Nachbemerkung I zur IP-Formulierung
Die Typ (2)-Nebenbedingung
xik + xjl − 2 yijkl ≥ 0
ist von entscheidender Bedeutung. Würde sie fehlen, könntendie yijkl trotz xikxjl 6= 1 irrtümlich den Wert 1 annehmen, nur umdie Nebenbedingungen vom Typ (3) zu erfüllen.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
IP-Formulierung
Benchmark: Das Everett-Netzwerk
a b c d e f g h i ja 0 1 1 1 0 0 0 0 0 0b 1 0 1 0 1 0 0 0 0 0c 1 1 0 1 0 0 0 0 0 0d 1 0 1 0 1 0 0 0 0 0e 0 1 0 1 0 1 0 0 0 0f 0 0 0 0 1 0 1 0 1 0g 0 0 0 0 0 1 0 1 0 1h 0 0 0 0 0 0 1 0 1 1i 0 0 0 0 0 1 0 1 0 1j 0 0 0 0 0 0 1 1 1 0
Tabelle: Eingangsdaten
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
IP-Formulierung
Benchmark: Das Everett-Netzwerk
{?} {?} {?}{?} 1 1 0{?} 1 0 1{?} 0 1 1
Tabelle: Vorgegebener Rollengraph
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
IP-Formulierung
Benchmark: Das Everett-Netzwerk
c a j h b d g i e fa 1 0 0 0 1 1 0 0 0 0c 0 1 0 0 1 1 0 0 0 0h 0 0 1 0 0 0 1 1 0 0j 0 0 0 1 0 0 1 1 0 0b 1 1 0 0 0 0 0 0 1 0d 1 1 0 0 0 0 0 0 1 0g 0 0 1 1 0 0 0 0 0 1i 0 0 1 1 0 0 0 0 0 1e 0 0 0 0 1 1 0 0 0 1f 0 0 0 0 0 0 1 1 1 0
Tabelle: 3-Cluster-Blockmodell
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
IP-Formulierung
Benchmark: Das Everett-Netzwerk
c a j h b d g i e fa 1 0 0 0 1 1 0 0 0 0c 0 1 0 0 1 1 0 0 0 0h 0 0 1 0 0 0 1 1 0 0j 0 0 0 1 0 0 1 1 0 0b 1 1 0 0 0 0 0 0 1 0d 1 1 0 0 0 0 0 0 1 0g 0 0 1 1 0 0 0 0 0 1i 0 0 1 1 0 0 0 0 0 1e 0 0 0 0 1 1 0 0 0 1f 0 0 0 0 0 0 1 1 1 0
Tabelle: Reguläre und Nullblöcke (∆ exakt 0)
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
IP-Formulierung
Benchmark: Das Everett-Netzwerk
{a,c,h,j} {b,d,g,i} {e,f}{a,c,h,j} 1 1 0{b,d,g,i} 1 0 1
{e,f} 0 1 1
Tabelle: Berechnung mit CPLEX 1.30s
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
IP-Formulierung
Nachbemerkung II zur IP-Formulierung
In eine ähnliche IP-Form bringen lassen sichStrukturelle Äquivalenz Wesentlich einfacher, da bkl = 1⇔
Block kl vollbesetzt.SE und RE auf V ×W Noch um einges komplexer, da Partition
zweier Mengen erforderlich.
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Vorzüge und Nachteile aller drei Ansätze
CATREGE Gradienten-Heuristik IP-Lösung
Güte keine Aussage lokales Optimum OptimalitätsgarantieVorgehen explorativ Hypothesentest HypothesentestVorwissen kaum einbringbar Rollengraphvorgabe Rollengraphvorgabe
Worst-Case-Laufzeit O(n3) überpolynomial überpolynomialmehrereRelationen einfach möglich großer Mehraufwand großer Mehraufwand
Ausgangspunkt / Motivation Blockmodellierung Gegenüberstellung und Ausblick
Forschungsperspektive
Wünschenswert wären Verfahren, die alle drei Kriterienerfüllen:
1 Rollengraph auswählen2 Reguläre Partition finden3 Optimalitätsgarantie liefern
Anhang
Weiterführende Literatur
Weiterführende Literatur I
Jürgen Lerner.Role Assignments, S. 216–252.in Brandes, Erlebach: Network Analysis, Springer 2005.
Fred S. Roberts, Li Sheng 2001.How Hard Is It to Determine If a Graph Has a 2-RoleAssignment?NETWORKS Journal, Vol. 37, S. 67-73.
Michael J. Brusco, Douglas Steinley 2009Integer programs for one- and two-mode blockmodelingbased on prespecified image matrices for structural andregular equivalence.Journal of Mathematical Psychology, Nr. 53, S. 577-585.