[논문 리뷰] Balanced clustering with tree-like structures over clusters

Mark Sh. Levin|arXiv (Cornell University)|2018. 01. 01.

Optimization and Packing Problems참고 문헌 48인용 수 1

한 줄 요약

이 논문은 클러스터의 크기, 요소 유형 또는 가중치에 따라 균형 잡힌 클러스터링을 가능하게 하고, 클러스터 위에 트리 구조를 추가로 통합하는 히우리스틱 프레임워크를 제안한다. 클러스터 균형(크기, 요소 유형 또는 가중치 기반)과 스패닝 트리 품질을 동시에 고려한다. 다중집합 기반 클러스터 평가와 스패닝 트리의 근접도를 활용하여, 스패닝-균형, 균형-스패닝, 직접, 계층적 설계의 네 가지 근사 전략을 도입하며, 네트워크 및 라우팅 응용 분야에서의 타당성을 입증하기 위한 수치 예제를 제시한다.

ABSTRACT

The article addresses balanced clustering problems with an additional requirement as a tree-like structure over the obtained balanced clusters. This kind of clustering problems can be useful in some applications (e.g., network design, management and routing). Various types of the initial elements are considered. Four basic greedy-like solving strategies (design framework) are considered: balancing-spanning strategy, spanning-balancing strategy, direct strategy, and design of layered structures with balancing. An extended description of the spanning-balancing strategy is presented including four solving schemes and an illustrative numerical example.

연구 동기 및 목표

• 클러스터가 크기, 무게 또는 유형 분포 제약 조건을 만족해야 하는 균형 잡힌 클러스터링 문제를 해결하기 위해.
• 결과 클러스터 위에 스패닝 트리 구조를 통합하여 계층적 네트워크 설계 및 라우팅을 지원하기 위해.
• 클러스터 균형 품질과 스패닝 트리 구조 품질(예: 차수 또는 높이 균형)을 동시에 최적화하는 이원적 목적 함수를 최적화하기 위해.
• 조합 최적화 환경에서 그러한 균형 잡힌 트리 구조 클러스터링을 구성하기 위한 히우리스틱 전략을 개발하고 평가하기 위해.
• 균형 잡힌 계층적 클러스터 조직이 요구되는 실제 네트워크 및 관리 시스템에 적용 가능한 프레임워크를 제공하기 위해.

제안 방법

• 요소 유형 기반 클러스터 구성표현을 위해 다중집합 추정치를 사용하여 클러스터 균형의 정량적 평가를 가능하게 한다.
• 네 가지 근사 전략(균형-스패닝, 스패닝-균형, 직접, 계층적 설계)을 활용하며, 균형 유지와 함께 스패닝 트리 품질을 고려한다.
• 스패닝-균형 전략을 네 가지 해법 기법으로 적용하여, 스패닝 트리 품질을 우선시하면서도 클러스터 균형을 유지한다.
• 노드/간선/클러스터 수정(추가, 삭제, 압축, 분리) 및 재구성 기반 개선/수정 절차를 도입한다.
• 스패닝 트리 근접도 측정치를 활용하여 최종 구조가 이상적인 균형 잡힌 트리(예: 높이 또는 차수 균형)에 얼마나 가까운지 평가한다.
• 먼저 요소들을 계층으로 그룹화하고, 각 계층별로 균형 잡힌 클러스터링을 수행한 후, 스패닝 구조를 통해 계층을 연결함으로써 계층적 설계를 수행한다.

실험 결과

연구 질문

• RQ1 클러스터 위에 트리 구조 계층을 통합하면서도 클러스터 균형을 유지할 수 있는 균형 잡힌 클러스터링은 어떻게 확장될 수 있는가?
• RQ2 스패닝-균형, 균형-스패닝, 직접, 계층적 전략 중 네 가지 제안된 근사 전략 중에서 클러스터 균형과 스패닝 트리 품질 사이의 최적의 트레이드오프를 제공하는 전략은 무엇인가?
• RQ3 노드, 간선 또는 클러스터 수정을 포함한 보완 절차를 통해 솔루션 품질은 얼마나 향상될 수 있는가?
• RQ4 다양한 클러스터 평가 지표(예: 다중집합 기반 균형, 요소 유형 분포)는 최종 클러스터링과 트리 구조에 어떤 영향을 미치는가?
• RQ5 균형 잡힌 클러스터링과 스패닝 트리 구조를 통합할 경우 네트워크 설계 및 관리에 실질적인 영향을 미치는가?

주요 결과

• 스패닝-균형 전략는 네 가지 해법 기법을 통해 클러스터 균형과 스패닝 트리 구조 품질을 동시에 최적화하는 데 효과적인 프레임워크를 제공한다.
• 수치 예제를 통해 제안된 방법이 원하는 요소 유형 분포를 가진 균형 잡힌 클러스터와 근사 최적의 트리 구조를 생성할 수 있음을 입증한다.
• 계층적 설계 전략은 각 계층에서 균형을 유지하면서 계층적 클러스터링을 가능하게 하여 다중 티어 네트워크 아키텍처에 적합하다.
• 노드/간선/클러스터 수정 기반 개선 절차는 초기 솔루션을 정교화시켜 클러스터 균형과 트리 구조 품질을 모두 향상시킬 수 있다.
• 조합 최적화와 구조적 제약 조건을 융합함으로써 이 프레임워크는 네트워크 설계, 관리 및 라우팅 분야의 다양한 응용에 기여할 수 있다.
• 논문은 퍼지 및 다기준 공식화, 무작위 알고리즘, 실세계 배포를 위한 소프트웨어 구현 등 주요 연구 방향을 규명한다.