[논문 리뷰] Approximation Algorithms for Reducing the Spectral Radius to Control Epidemic Spread

Sudip Saha, Abhijin Adiga외 2명|arXiv (Cornell University)|2015. 01. 26.

Complex Network Analysis Techniques참고 문헌 34인용 수 23

한 줄 요약

이 논문은 전염병 확산을 제어하는 데 핵심적인 역할을 하는 네트워크의 스펙트럼 반경을 줄이기 위해 간선(격리) 또는 노드(접종) 제거를 통해 증명 가능하게 효율적인 근사 알고리즘을 제시한다. 제안된 GreedyWalk 알고리즘은 $k = \Theta(\log n)$ 길이의 폐쇄 도착을 타겟으로 하여 $O(\log^2 n)$-근사도를 달성하며, 이는 실무에서 모든 이전 휴리스틱보다 뛰어나고 강력한 이론적 보장을 제공한다.

ABSTRACT

The largest eigenvalue of the adjacency matrix of a network (referred to as the spectral radius) is an important metric in its own right. Further, for several models of epidemic spread on networks (e.g., the `flu-like' SIS model), it has been shown that an epidemic dies out quickly if the spectral radius of the graph is below a certain threshold that depends on the model parameters. This motivates a strategy to control epidemic spread by reducing the spectral radius of the underlying network. In this paper, we develop a suite of provable approximation algorithms for reducing the spectral radius by removing the minimum cost set of edges (modeling quarantining) or nodes (modeling vaccinations), with different time and quality tradeoffs. Our main algorithm, extsc{GreedyWalk}, is based on the idea of hitting closed walks of a given length, and gives an $O(\log^2{n})$-approximation, where $n$ denotes the number of nodes; it also performs much better in practice compared to all prior heuristics proposed for this problem. We further present a novel sparsification method to improve its running time. In addition, we give a new primal-dual based algorithm with an even better approximation guarantee ($O(\log n)$), albeit with slower running time. We also give lower bounds on the worst-case performance of some of the popular heuristics. Finally we demonstrate the applicability of our algorithms and the properties of our solutions via extensive experiments on multiple synthetic and real networks.

연구 동기 및 목표

• 전염병 확산 제어를 위해 간선 제거(SRME) 또는 노드 제거(SRMN)를 통한 스펙트럼 반경 최소화(SRM) 문제를 해결하기 위해.
• 이전 휴리스틱에서 이론적 보장이 부족한 점을 보완하여, SRME 및 SRMN에 대해 증명 가능하게 정확한 근사 알고리즘을 개발하기 위해.
• ProductDegree, EigenScore, PageRank와 같은 인기 있는 휴리스틱의 최악의 경우 성능을 분석하여, 최적해로부터 임의로 멀어질 수 있음을 보여주기 위해.
• 그래프 스퍼스피케이션과 원시-이중 프레임워크를 활용한 효율적 변형을 설계하여 런타임을 향상시키면서도 근사 품질을 유지하기 위해.
• 다양한 합성 및 실세계 네트워크에서 제안된 알고리즘의 경험적 검증을 통해 기존 방법들에 비해 일관되게 뛰어난 성능을 보여주기 위해.

제안 방법

• GreedyWalk는 길이 $k = \Theta(\log n)$인 폐쇄 도착을 최대한 많이 겹치는 간선을 식별하고 제거함으로써, 스펙트럼 반경이 도착 수에 의존한다는 점을 활용한다.
• 이 알고리즘은 스펙트럼 반경이 최대 $ (1+\epsilon)T $로 감소하도록 보장하며, 여기서 $ T = \delta/\beta $는 전염병 임계값이다. 이는 $ O(\log n \log \Delta) $-근사도 보장을 갖는다.
• GreedyWalkSparse는 계산 중 그래프의 조밀도를 동적으로 스퍼스피케이션하여 런타임을 향상시키며, 솔루션 품질을 손상시키지 않는다.
• PrimalDual는 원시-이중 프레임워크를 사용하여 더 날카운 $ O(\log n) $-근사도를 달성하지만, 계산 비용이 더 높다.
• 도착 겹침 및 스펙트럼 분석 프레임워크를 적응시켜 간선의 비균일 전파율과 노드 제거(SRMN) 상황을 다룰 수 있도록 알고리즘을 확장한다.
• 성능 평가를 위해, 에이전벡터 점수 또는 제품 차수에 기반하여 간선를 선택하는 하이브리드 휴리스틱(Hybrid)을 사용하여 비교 기준으로 삼는다.

실험 결과

연구 질문

• RQ1 ProductDegree, EigenScore, PageRank와 같은 기존 휴리스틱이 스펙트럼 반경 최소화 문제에서 최악의 경우 얼마나 잘 작동하는가?
• RQ2 간선 또는 노드 제거를 통해 스펙트럼 반경을 줄이는 데 대해 유한한 근사 비율을 갖는 증명 가능하게 효율적인 근사 알고리즘을 설계할 수 있는가?
• RQ3 GreedyWalk와 같은 도착 겹침 기반 알고리즘의 성능에 대해 도착 길이 $k$ 가 미치는 영향은 무엇인가?
• RQ4 그래프 스퍼스피케이션은 스펙트럼 반경 감소 알고리즘의 런타임과 솔루션 품질에 어떤 영향을 미치는가?
• RQ5 제안된 알고리즘은 비균일 전파율과 노드 제거(접종) 상황을 다룰 수 있도록 확장될 수 있는가?

주요 결과

• ProductDegree, EigenScore, PageRank 휴리스틱은 최악의 경우 최적해로부터 임의로 멀어질 수 있으며, 최악의 비용 비율이 $ \Omega(n / T^2) $에 이르렀다.
• GreedyWalk는 간선 제거(SRME)에 대해 $ O(\log^2 n) $-근사도를 달성하며, 합성 및 실세계 네트워크 전반에서 테스트된 모든 휴리스틱보다 뛰어난 성능을 보였다.
• GreedyWalkSparse는 동적 스퍼스피케이션을 통해 런타임을 크게 줄였으며, 솔루션 품질을 유지함으로써 대규모 네트워크에 실용적으로 적용 가능했다.
• PrimalDual 알고리즘은 이론적 근사 보장을 $ O(\log n) $로 향상시켜, 더 복잡한 최적화 기법을 사용할 경우 더 날카운 경계가 달성 가능하다는 것을 입증했다.
• 경험적 결과로, GreedyWalk는 도착 길이 $ k = 2\log n $에서 가장 우수한 성능를 보였으며, 더 작은 $ k $ 에서는 성능이 급격히 악화되어 이론적 $ \Theta(\log n) $ 선택이 타당함을 확인했다.
• 알고리즘은 정적 및 시간에 따라 변하는 전파율 설정 모두에서 효과적이며, 간섭 설계를 위한 네트워크 대체 수단 선택을 안내하는 데 기여한다.