[논문 리뷰] A Bit-Parallel Russian Dolls Search for a Maximum Cardinality Clique in a Graph

Ricardo C. Corrêa, Philippe Michelon외 3명|arXiv (Cornell University)|2014. 07. 04.

Advanced Graph Theory Research참고 문헌 27인용 수 3

한 줄 요약

이 논문은 비방향 그래프에서 최대 클리크를 찾기 위해 개선된 러시안 봉제 검색(RDMC) 알고리즘을 제안한다. 이 알고리즘은 비트 수준 병렬 처리, 근사 정점 색칠 기법을 통한 가지치기, 그리고 재귀적 하위문제 해결 전략을 활용한다. 기존의 조합적 알고리즘보다 뛰어난 성능을 보이며, 특히 조밀한 그래프에서 두 배 이상의 속도 향상을 기록하여 최고의 이전 정확한 해법보다도 빠르게 작동한다.

ABSTRACT

Finding the clique of maximum cardinality in an arbitrary graph is an NP-Hard problem that has many applications, which has motivated studies to solve it exactly despite its difficulty. The great majority of algorithms proposed in the literature are based on the Branch and Bound method. In this paper, we propose an exact algorithm for the maximum clique problem based on the Russian Dolls Search method. When compared to Branch and Bound, the main difference of the Russian Dolls method is that the nodes of its search tree correspond to decision subproblems, instead of the optimization subproblems of the Branch and Bound method. In comparison to a first implementation of this Russian Dolls method from the literature, several improvements are presented. Some of them are adaptations of techniques already employed successfully in Branch and Bound algorithms, like the use of approximate coloring for pruning purposes and bit-parallel operations. Two different coloring heuristics are tested: the standard greedy and the greedy with recoloring. Other improvements are directly related to the Russian Dolls scheme: the adoption of recursive calls where each subproblem (doll) is solved itself via the same principles than the Russian Dolls Search and the application of an elimination rule allowing not to generate a significant number of dolls. Results of computational experiments show that the algorithm outperforms the best exact combinatorial algorithms in the literature for the great majority of the dense graphs tested, being more than twice faster in several cases.

연구 동기 및 목표

• 최대 클리크 문제에 대한 더 효율적인 정확한 알고리즘을 개발하는 것. 이 문제는 NP-난이도이며 많은 응용 분야에서 핵심적인 역할을 한다.
• 고급 가지치기 및 병렬 처리 기법을 통합하여 기존의 러시안 봉제 검색(RDS) 구현을 향상시키는 것.
• 기존 방법이 계산 복잡도가 높아 어려움을 겪는 조밀한 그래프에서 제안된 알고리즘의 성능을 평가하는 것.
• 실제로 어려운 조합 최적화 문제에서 러시안 봉제 접근 방식이 전통적인 분할 정복 방법보다 우월할 수 있음을 입증하는 것.

제안 방법

• 검색 트리의 각 노드가 최적화 하위문제가 아니라 결정 하위문제를 나타내는 러시안 봉제 검색 프레임워크를 사용하여 문제를 재귀적으로 분해한다.
• 비트 수준 병렬 처리를 적용하여 정점 집합을 효율적으로 표현하고 조작함으로써, 교차 및 합집합과 같은 집합 연산의 속도를 크게 향상시킨다.
• 상한값을 계산하고 비최적의 분지를 조기에 제거하기 위해 표준 그레디에이티브 및 재색칠 기법을 활용한 근사 정점 색칠 기법을 도입한다.
• 중복된 하위문제를 생성하는 것을 방지하기 위해 최적성 손실 없이도 검색 공간을 줄이는 개선된 제거 규칙을 제안한다.
• 각 하위문제에 대해 동일한 원칙을 재귀적으로 적용하여 가지치기 및 검색 공간 축소의 일관성과 깊이를 확보한다.
• 동적 후보 순서 정렬 기법(색상 값 기반)과 같은 분할 정복 기법을 통합하여 가지치기 효율성을 향상시킨다.

실험 결과

연구 질문

• RQ1 러시안 봉제 검색 프레임워크는 최대 클리크 문제에 효과적으로 적용될 수 있으며, 기존 정확한 알고리즘보다 성능 향상을 이끌 수 있는가?
• RQ2 비트 수준 병렬 처리와 근사 색칠 기법은 RDS 기반 클리크 솔버의 효율성을 어느 정도 향상시키는가?
• RQ3 제안된 제거 규칙은 솔루션 품질에 영향을 주지 않으면서 하위문제 생성 수를 어떻게 줄이는가?
• RQ4 RDMC 알고리즘은 문제 해결이 특히 어려운 조밀한 그래프에서 뚜렷한 속도 향상을 달성하는가?

주요 결과

• RDMC 알고리즘은 테스트한 대부분의 조밀한 그래프에서 기존 최고의 정확한 조합적 알고리즘을 능가하며, 여러 사례에서 2배 이상의 속도 향상을 기록했다.
• 밀도가 0.8 이상인 그래프에서는 이전 방법보다 성능이 두 배 이상 향상되어 어려운 인스턴스에서의 뛰어난 확장성을 입증했다.
• 비트 수준 병렬 처리의 활용으로 집합 연산, 특히 하위그래프 유도 및 이웃 조사에서 계산 시간이 크게 단축되었다.
• 그레디에이티브 및 재색칠 히우리스틱을 통한 근사 색칠 기법의 통합으로 가지치기 효율성이 크게 향상되어 탐색된 노드 수가 감소했다.
• 개선된 제거 규칙은 중복된 하위문제의 수를 상당히 줄여 빠른 수렴에 기여했다.
• 1000개 정점, 50% 간선 밀도를 가진 1/3-all 및 2/3-all 그래프 패밀리에서 RDMC는 100초 이내에 인스턴스를 해결하여 PBBMC 및 기타 최첨단 솔버를 능가했다.