[論文レビュー] Practical graph isomorphism, II

Brendan D. McKay, Adolfo Piperno|arXiv (Cornell University)|Jan 8, 2013

Graph Theory and Algorithms参考文献 19被引用数 13

ひとこと要約

この論文では、困難なグラフクラスにおいて既存のツールを著しく上回る実用的なグラフ同型性および正規ラベル付けのための新しいアルゴリズム、Tracesを提示する。個別化・精錬パラダイムに基づき、自動同型群の計算と正規ラベル付けの高速化を図る革新的な木探索戦略を導入することで、多くの難解なインスタンスにおいて、現在知られている中で最も高速なアプローチとなり、小規模または容易なグラフではnautyが依然として最適である。

ABSTRACT

We report the current state of the graph isomorphism problem from the practical point of view. After describing the general principles of the refinement-individualization paradigm and proving its validity, we explain how it is implemented in several of the key programs. In particular, we bring the description of the best known program nauty up to date and describe an innovative approach called Traces that outperforms the competitors for many difficult graph classes. Detailed comparisons against saucy, Bliss and conauto are presented.

研究の動機と目的

• nautyアルゴリズムの現在の実用的利用に向けた記述の更新。
• グラフ同型性および正規ラベル付けのための新規かつ非常に効率的なアルゴリズムとしてTracesを導入すること。
• 多様なグラフ族にわたるTraces、nauty、saucy、Bliss、conautoの性能比較を通じて、性能のトレードオフを評価すること。
• 特に難解または構造的なグラフクラスにおいて、各ツールの強みと限界を特定すること。
• 実用的グラフ同型性ツールの包括的ベンチマークを提供すること。

提案手法

• Tracesは、新たな木探索戦略を用いた個別化・精錬パラダイムを実装し、枝狩りと探索効率を向上させる。
• 自動同型の早期検出とより速い収束を可能にする、洗練された探索木構造を採用する。
• 自動同型群の系統的探索と正規形の計算のため、頂点の個別化と分割の精錬を適用する。
• スパースなデータ構造と最適化された枝狩り技術を活用し、探索空間を縮小して性能を向上させる。
• 探索木の深さを最小限に抑えるために、個別化対象の頂点選択に高度なヒューリスティクスを統合する。
• 性能評価は、組合せ的、強正則的、および高対称的なグラフを含む多様なテストグラフを用いて実施される。

実験結果

リサーチクエスチョン

• RQ1 Tracesは、さまざまなグラフクラスにおいてnauty、saucy、Bliss、conautoと比較して、どのように性能を発揮するか？
• RQ2 Tracesにおける特定のアルゴリズム的イノベーションは、難解なグラフにおいて優れた性能をもたらす要因であるか？
• RQ3 Tracesが高度な探索戦略を備えているにもかかわらず、小規模または容易なグラフではなぜnautyがTracesよりも速いのか？
• RQ4 構造的グラフ特性（例：対称性、コンポーネント構造）は、各ツールの性能にどの程度影響を与えるか？
• RQ5 正則な部分構造の要因分解などの前処理技術は、さらに性能向上に寄与するか？

主な発見

• Tracesは、テストされた大部分の困難なグラフクラス（強正則的および対称的グラフを含む）において、他のすべてのツールを上回る性能を発揮する。
• 小規模なグラフや容易なグラフ族では、nautyが依然として最も速く、大規模処理シナリオにおけるその支配的優位性を示している。
• Tracesは、最適化された木探索戦略のおかげで、難解なインスタンスにおいて顕著な性能向上を達成し、従来手法よりも探索空間をより効果的に縮小している。
• SaucyとBlissはスパarsなグラフや高対称的グラフにおいて優れた性能を発揮するが、多くの困難なケースではTracesに劣っている。
• ConautoとBlissは、互いに disjoint または最小限に重複するコンポーネントを持つグラフに対して特別な処理を実施しており、nautyとTracesは現在、このケースに最適化されていない。
• 本研究は、どのアルゴリズムもすべてのグラフクラスを支配するわけではないが、Tracesは現在テストされた最も挑戦的なインスタンスでリーダーシップを握っていることを確認した。