[논문 리뷰] A new algorithm for graph center computation and graph partitioning according to the distance to the center

Frédéric Protin, Proissl, Claudius외 1명|arXiv (Cornell University)|2019. 10. 05.

Advanced Graph Theory Research참고 문헌 4인용 수 1

한 줄 요약

이 논문은 수정된 인접 행렬의 반복적 행렬 거듭제곱을 사용하여 그래프의 중심을 계산하고 중심으로부터의 거리에 따라 노드를 분할하는 새로운 병렬 처리 가능한 알고리즘을 제시한다. 이 방법은 대부분의 그래프 유형에서 플로이드-워셜보다 빠르며, 특히 조밀하거나 浅형인 그래프에서 실험적으로 최대 10배의 성능 향상을 보였다. 이는 비제로 요소만 추적하고 행렬 거듭제곱의 단조성 구조를 활용하는 최적화 덕분이다.

ABSTRACT

The radius of a graph is an important structural parameter which plays a key role in social network analysis and related applications. It measures the minimum shortest path distance that is required to reach all nodes in the graph from a single node. A node from which all other nodes are within a distance equal to the radius is called a center of the graph. In a graph with n nodes and m edges, the center and the radius can be determined in Õ(nm) by computing shortest path distances between all pairs of nodes. Fine-grained complexity results suggest that asymptotically faster algorithms are unlikely to exist. In this paper, we describe a novel randomized algorithm for exact radius computation in weighted digraphs with an expected running time in Õ(d³m) where d is the so-called combinatorial dimension. Our methodology is inspired by Clarkson’s algorithm for LP-type problems. The value of d denotes the size of a basis, which is a smallest subset of nodes which enforce the same radius as the whole node set. While we show that there exist graphs with d ∈ Θ(n), our empirical analysis reveals that even large real-world graphs have small combinatorial dimension. This allows us to compute the radius in near-linear time on such instances. The significantly improved scalability can be clearly observed in our experimental evaluation on a diverse set of benchmark graphs.

연구 동기 및 목표

• 그래프 중심과 중심으로부터의 거리에 따라 노드를 분할하는 더 빠르고 병렬 처리 가능한 알고리즘을 개발하기.
• 플로이드-워셜과 벨먼-포드와 같은 전통적 알고리즘의 한계를 해결하기. 이들은 이 특정 작업에 대해 과도한 정보를 계산하고 빠르지 않다.
• 노드의 이 eccentricity(편심) 기반으로 계층적 수준으로 정렬함으로써 그래프의 효율적 시각화 및 분석을 가능하게 하기.
• 비제로 요소만 추적하고 그래프 연결성의 구조적 특성을 활용함으로써 행렬 거듭제곱 계산을 최적화하기.

제안 방법

• 자기 자신을 가리키는 루프를 표현하고 길이 n까지의 경로 수를 세기 위해 대각선 요소를 1로 설정한 수정된 인접 행렬 ˜A를 사용한다.
• 연속적인 거듭제곱 ˜An을 계산하며, 여기서 (˜An)ij는 정점 i에서 j까지 길이 최대 n인 경로의 수를 나타낸다.
• 중심 노드 C0는 ˜An0에서 모든 요소가 비제로인 행들로 식별되며, 여기서 n0는 적어도 한 행이 모두 비제로가 되는 최소 n이다.
• 노드는 처음으로 완전히 연결되는 시점에 따라 수준 Ck로 분류된다: Ck는 ˜An0+k에서 처음으로 완전히 연결되지만 이전에는 그렇지 않은 노드들을 포함한다.
• 최적화로는 비제로 계수를 1로 대체하는 임계값 설정(thresholding)을 통해 계산량을 줄이고, 경로 수의 단조성 특성을 이용해 중복된 항목을 건너뛰는 것.
• 향상된 방법은 반복적 행렬 곱셈과 조기 종료, 행 검사를 통해 행이 완전히 비제로가 되는 순간을 효율적으로 탐지한다.

실험 결과

연구 질문

• RQ1 행렬 거듭제곱 기반 접근법이 다양한 그래프 유형에서 플로이드-워셜보다 그래프 중심과 노드 계층을 더 효율적으로 계산할 수 있는가?
• RQ2 기존 알고리즘과 비교해 본다면, 그래프의 조밀도와 깊이에 따라 제안된 알고리즘의 성능은 어떻게 변화하는가?
• RQ3 임계값 설정과 조기 종료와 같은 최적화가 정확성에 영향을 주지 않으면서 계산 시간을 얼마나 줄일 수 있는가?
• RQ4 플로이드-워셜이 최적임이 알려진 흩어진 또는 선형 그래프에서도 알고리즘이 여전히 효율적인가?
• RQ5 알고리즘이 자연스럽게 병렬 처리 가능한가? 실제로는 상당한 성능 향상이 이루어지는가?

주요 결과

• 제안된 알고리즘은 대부분의 테스트된 그래프 구성에서 플로이드-워셜을 능가하며, 조밀한 그래프에서 최대 10배의 성능 향상을 보였다.
• 깊이 P=13, N=500인 그래프에서 신규 알고리즘은 중앙값 실행 시간이 52초였고, 플로이드-워셜은 198초였다.
• 얕은 그래프(P=2)에서는 더욱 빠른 성능을 보였으며, N=400일 때 한 경우에서 100배의 성능 향상(100초 대비 1초)을 기록했다.
• 알고리즘의 성능은 기대한 바와 같이 연결성이 높아질수록 향상되었으며, 이는 비제로 요소의 빠른 전파를 기반으로 한 설계 덕분이었다.
• 개선 사항 3는 n0를 추정하기 위해 이분 탐색 유사 방법을 사용하여 깊은 그래프에서 상당한 성능 향상을 가져왔지만, 얕은 그래프에서는 약간의 성능 저하를 초래했다.
• 알고리즘은 본질적으로 병렬 처리 가능하며, 각 행렬 곱셈과 행 검사를 여러 프로세서에 분산할 수 있다.