Algorithm Bron&x2013的迭代版本；Kerbosch算法？

是一种列出图的所有最大团的方法。我最近成功地实现了这个算法只是为了好玩。缺点是算法是递归的，因此只能在极小的图上运行，直到堆栈溢出

应该可以使算法完全迭代。考虑维基百科上的基本版本（无枢转）。该算法的迭代版本在伪代码中是什么样子的？有什么描述吗

我想象一个堆栈数据结构来模拟递归。我还应该有一个循环来测试P和X的空性，但我没有看到完整的答案。

如下所示：

BronKerbosch1(R, P, X):
   if P and X are both empty:
       report R as a maximal clique
   for each vertex v in P:
       BronKerbosch1(R ⋃ {v}, P ⋂ N(v), X ⋂ N(v))
       P := P \ {v}
       X := X ⋃ {v}

为了模拟递归，我们只需要使用堆栈跟踪三个变量：

BronKerbosch(P):
    S := empty stack
    S.push({}, P, {})
    while S is not empty:
        R, P, X := S.pop()
        if P and X are both empty:   
            report R as a maximal clique            
        if P is not empty:
            v := some vertex in P
            S.push(R, P \ {v}, X ⋃ {v})
            S.push(R ⋃ {v}, P ⋂ N(v), X ⋂ N(v))

因此：

BronKerbosch1(R, P, X):
   if P and X are both empty:
       report R as a maximal clique
   for each vertex v in P:
       BronKerbosch1(R ⋃ {v}, P ⋂ N(v), X ⋂ N(v))
       P := P \ {v}
       X := X ⋃ {v}

为了模拟递归，我们只需要使用堆栈跟踪三个变量：

BronKerbosch(P):
    S := empty stack
    S.push({}, P, {})
    while S is not empty:
        R, P, X := S.pop()
        if P and X are both empty:   
            report R as a maximal clique            
        if P is not empty:
            v := some vertex in P
            S.push(R, P \ {v}, X ⋃ {v})
            S.push(R ⋃ {v}, P ⋂ N(v), X ⋂ N(v))

---

这是一个有效的问题，但是IIRC B--K在堆栈的最大深度上取时间指数。所以这是一个有效的问题，但是IIRC B--K在堆栈的最大深度上取时间指数。