[論文レビュー] The Feedback Vertex Set Problem: a Spin Glass Approach.

Haijun Zhou|arXiv (Cornell University)|Jul 26, 2013

Distributed systems and fault tolerance被引用数 1

ひとこと要約

本稿では、無向および有向グラフにおけるNP困難なフィードバック頂点集合（FVS）問題を解くために、スピンガラスモデルと信念伝播誘導型減少法を組み合わせた手法を提案する。サイクル制約を局所的なエッジレベルの制約として符号化することで、ランダムグラフおよび正則格子において近似的に最適なFVSを効率的に同定することができ、ネットワーク系における動的複雑性の分析に強力なツールを提供する。

ABSTRACT

A feedback vertex set (FVS) of an undirected graph is a set of vertices that contains at least one vertex of each cycle of the graph. The feedback vertex set problem consists of constructing a FVS of size less than a certain given value. This combinatorial optimization problem has many practical applications, but it is in the nondeterministic polynomial-complete class of worst-case computational complexity. In this paper we define a spin glass model for the FVS problem and then study this model on the ensemble of finite-connectivity random graphs. In our model the global cycle constraints are represented through the local constraints on all the edges of the graph, and they are then treated by distributed message-passing procedures such as belief propagation. Our belief propagation-guided decimation algorithm can construct nearly optimal feedback vertex sets for single random graph instances and regular lattices. We also design a spin glass model for the FVS problem on a directed graph. Our work will be very useful for identifying the set of vertices that contribute most significantly to the dynamical complexity of a large networked system.

研究の動機と目的

• サイクルをすべて破る最小の頂点集合を求めるNP困難なフィードバック頂点集合（FVS）問題に対処すること。
• FVS問題をスピンガラスフレームワークでモデル化し、グローバルなサイクル制約を局所的なエッジ制約として符号化すること。
• 有限結合性を持つランダムグラフおよび正則格子上で、近似的に最適なFVSを効率的に構築するメッセージスレッディングアルゴリズム「信念伝播誘導型減少法」を開発すること。
• 有向サイクルを考慮するための制約構造を修正することで、有向グラフへの応用を可能にするスピンガラスモデルを設計し、有向FVS問題に適応させること。
• FVSの同定を通じて、大規模なネットワーク系における動的複雑性の主な要因となる頂点を特定すること。

提案手法

• スピン変数がFVSへの頂点の含むかどうかを表すスピンガラスモデルとしてFVS問題を定式化し、エネルギー関数がサイクル制約を符号化する。
• 各エッジにおける局所的制約を通じてグローバルなサイクル制約を表現し、分散型メッセージスレッディング計算を可能にする。
• 信念伝播を用いて、グラフ全体にわたるFVSへの頂点の含む確率の周辺確率を計算する。
• 信念伝播誘導型減少法を用い、周辺確率に基づいて頂点状態を段階的に固定することで、FVSサイズを段階的に縮小する。
• 有向サイクルを考慮するため、制約構造を修正することで、有向グラフ用にモデルを適応させる。
• 有限結合性を持つアンサンブルのランダムグラフを用いて、アルゴリズムの性能と収束性を分析する。

実験結果

リサーチクエスチョン

• RQ1 スピンガラスモデルは、局所的なエッジレベルの相互作用のみを用いて、フィードバック頂点集合問題のグローバルなサイクル制約を効果的に符号化できるか？
• RQ2 信念伝播誘導型減少法は、無向ランダムグラフおよび正則格子上で、近似的に最適なFVSをどの程度効果的に構築できるか？
• RQ3 提案手法は有向グラフにおいてどの程度の性能を示すか？また、無向FVS定式化から有向FVS定式化への一般化は可能か？
• RQ4 同定されたフィードバック頂点集合は、ネットワーク系の動的複雑性とどの程度相関しているか？
• RQ5 このアプローチは、計算効率を保ちながら、大規模な実世界のネットワーク系へどの程度スケーリング可能か？

主な発見

• 信念伝播誘導型減少法は、ランダムグラフおよび正則格子の単一インスタンスに対して、ほぼ最適なフィードバック頂点集合を効果的に構築できた。
• スピンガラスモデルは、グローバルなサイクル制約を、メッセージスレッディングで解ける局所的で取り扱いやすい相互作用に効果的に変換した。
• 本手法は高い効率性とスケーラビリティを示し、大規模なネットワーク解析に適している。
• 本手法は、ネットワーク系の動的複雑性に最も寄与する頂点を同定するのに有効である。
• 有向グラフへの拡張は実現可能であり、アルゴリズムフレームワークの根幹的原則と性能を維持している。