[論文レビュー] Large (Brain) Graph Matching via Fast Approximate Quadratic Programming

Joshua T Vogelstein, John M. Conroy+6 more|arXiv (Cornell University)|Dec 23, 2011

CRISPR and Genetic Engineering参考文献 5被引用数 9

ひとこと要約

本論文は、局所最適解を3次時間で探索する高速な近似二次割り当て法FAQを提案する。QAPベンチマークにおいて従来手法を著しく上回り、C. elegans 神経回路マッピングにおいても記録的な時間で最適解に到達する。大規模脳グラフマッチングにおいて優れた速度と正確性を示している。

ABSTRACT

Quadratic assignment problems (QAPs) arise in a wide variety of domains, ranging from operations research to graph theory to computer vision to neuroscience. In the age of big data, graph valued data is becoming more prominent, and with it, a desire to run algorithms on ever larger graphs. Because QAP is NP-hard, exact algorithms are intractable. Approximate algorithms necessarily employ an accuracy/efficiency trade-off. We developed a fast approximate quadratic assignment algorithm (FAQ). FAQ finds a local optima in (worst case) time cubic in the number of vertices, similar to other approximate QAP algorithms. We demonstrate empirically that our algorithm is faster and achieves a lower objective value on over 80% of the suite of QAP benchmarks, compared with the previous state-of-the-art. Applying the algorithms to our motivating example, matching C. elegans connectomes (brain-graphs), we find that FAQ achieves the optimal performance in record time, whereas none of the others even find the optimum.

研究の動機と目的

• C. elegans 神経回路マッピングのような大規模脳グラフマッチングにおいて、正確なQAP解法が計算的に非現実的であるという課題に対処すること。
• NP困難な二次割り当て問題（QAP）フレームワーク下で、大規模グラフマッチングにおいて正確性と効率性の両立を図るスケーラブルなアルゴリズムを開発すること。
• 標準ベンチマーク上でより低い目的関数値を達成しながら実行時間を短縮することで、既存の近似QAPアルゴリズムを改善すること。
• 神経科学や大規模グラフ構造データを扱うその他の分野において、実用的で高性能なグラフマッチングを可能にすること。

提案手法

• FAQは、二次割り当て問題（QAP）を解くために高速な近似二次計画法を採用し、局所最適解を効率的に探索する。
• アルゴリズムの最悪計算量はO(n³)であり、他の近似QAPソルバと同等の時間計算量を有するが、性能特性が向上している。
• 大規模グラフに特化した最適化技術を活用することで、C. elegans 神経回路マッピングのような脳サイズのネットワークへのスケーラビリティを実現する。
• FAQはQAP定式化の連続的緩和を用い、高品質な解に収束するための効率的で反復的な精錬を実行する。
• グラフマッチングの組み合わせ的複雑性を扱いながらも、大規模データセット上での計算の現実可能性を維持するように設計されている。

実験結果

リサーチクエスチョン

• RQ1 標準ベンチマーク上で、既存の最先端手法と比較して、より低い目的関数値とより速い実行時間を達成できる高速な近似QAPアルゴリズムは存在するか？
• RQ2 提案されたFAQアルゴリズムは、C. elegans 神経回路マッピングのような実世界の大規模脳グラフマッチングタスクにおいて、どのように性能を発揮するか？
• RQ3 多様なQAPインスタンスにわたって、FAQは解の品質および計算効率の面で、従来手法をどの程度上回るか？

主な発見

• FAQは、標準QAPベンチマークスイートの80％以上で、以前の最先端手法よりも低い目的関数値を達成した。
• アルゴリズムは優れた実行時間性能を示し、最適解を達成するまでの時間が記録更新を記録した。C. elegans 神経回路マッピングにおいて、いかなる既存手法とも最適解に到達できなかったが、FAQはそれを達成した。
• FAQは、C. elegans 神経回路マッピングにおいて、テストされたいかなる他の手法よりも速く最適解に一致した。これは、その実用的スケーラビリティを強力に示している。
• FAQは、多様なグラフマッチングタスクにおいて、解の品質と速度の両方を著しく向上させながらも、立方時間計算量を維持した。