[論文レビュー] Extending Bron Kerbosch for Solving the Maximum Weight Clique Problem

Brijnesh J. Jain, Klaus Obermayer|arXiv (Cornell University)|Jan 6, 2011

Graph Theory and Algorithms参考文献 1被引用数 8

ひとこと要約

この論文は、連続値の頂点および辺の重みを持つグラフにおける最大重みクリーク問題を解くために、ブロン・カーボシュアルゴリズムを拡張している。ピボット戦略とコーシー・シュワルツ推定を用いて枝刈りを実行する。提案手法は、多数のグラフマッチングタスクにおいて、勾配割り当て法よりも精度と速度の両面で顕著に優れている。クリーク選択が最適なピボット戦略である。

ABSTRACT

This contribution extends the Bron Kerbosch algorithm for solving the maximum weight clique problem, where continuous-valued weights are assigned to both, vertices and edges. We applied the proposed algorithm to graph matching problems.

研究の動機と目的

• 連続値の頂点および辺の重みを伴う最大重みクリーク問題に対する効率的なアルゴリズムの欠如に対処すること。
• 頂点および辺に連続値の重みが付与された重み付きグラフを扱えるように、ブロン・カーボシュアルゴリズムを拡張すること。
• 重み付きクリーク探索の文脈において、さまざまなピボット戦略（ランダム、w-deg、クリーク選択）の性能を評価すること。
• 実際のグラフマッチングタスクにおいて、拡張されたブロン・カーボシュアルゴリズムと勾長割り当て法を比較すること。
• コーシー・シュワルツ推定が枝刈り効率および解の品質に与える影響を評価すること。

提案手法

• 入力グラフの頂点および辺に連続値の重みをサポートするように、標準のブロン・カーボシュアルゴリズムを拡張する。
• クリーク C の総重みを計算するための重み関数 ω(C) = Σ_{i,j∈C} α(i,j) を導入し、頂点および辺の両方の寄与を含める。
• 任意の最大クリーク C を拡張する残りの重みを過小評価するためのコーシー・シュワルツに基づく推定値 h_cs(C) = l(X̄_C) · l(Ȳ_C) を用い、枝刈りを可能にする。
• 基本（ピボットなし）、ランダム、w-deg（重み付き次数）、およびクリーク選択といったピボット戦略を適用し、探索をガイドして効率を向上させる。
• h_deg をより一般的な枝刈りヒューリスティクスとして用い、適用可能な場合にはよりタイトな境界を与える h_cs を使用する。
• バックトラッキングを伴う再帰的探索を実装し、R（現在のクリーク）、P（可能性のある頂点）、X（除外された頂点）の3つの集合を維持する。

実験結果

リサーチクエスチョン

• RQ1 連続値の頂点および辺の重みを伴う最大重みクリーク問題に対して、拡張されたブロン・カーボシュアルゴリズムはどのように性能を発揮するか？
• RQ2 ランダム、w-deg、クリーク選択といったピボット戦略の中で、解の品質と計算コストのバランスを最も良くするものはどれか？
• RQ3 コーシー・シュワルツ推定は、重み付き設定においてどれほど枝刈り効率と探索効率を向上させるか？
• RQ4 実際のグラフマッチングタスクにおいて、拡張されたブロン・カーボシュアルゴリズムは勾長割り当て法と比べて、精度と速度の両面で優れているか？
• RQ5 このアルゴリズムは、グラフサイズおよび複雑性の増加に伴って、効果的にスケーリングできるか？

主な発見

• ピボットを用いたブロン・カーボシュ（ランダム、w-deg、クリーク選択）は、基本的（ピボットなし）なバージョンよりも著しく高速で、スケーリング性能も優れている。
• w-deg およびクリーク選択戦略は同等の解の品質を達成するが、クリーク選択の方が w-deg 選択よりも計算コストが低く、より効率的である。
• クリーク選択は、速度および解の品質の両面でランダム選択および基本的選択を上回り、最適なピボット戦略である。
• letter、grec、coil データセットでは、拡張されたブロン・カーボシュアルゴリズムが勾長割り当て法よりも顕著に高い類似度スコアを達成し、かつ高速に実行された。
• mutagenesis データセットでは、勾長割り当て法が速度と精度のバランスにおいて、拡張されたブロン・カーボシュアルゴリズムを上回った。
• コーシー・シュワルツ推定は探索空間を効果的に枝刈りし、特に効果的なピボット戦略と組み合わせた場合に性能向上をもたらした。