[논문 리뷰] Drawing Binary Tanglegrams: An Experimental Evaluation

Martin Nöllenburg, Danny Holten외 2명|ArXiv.org|2008. 06. 05.

Data Visualization and Analytics참고 문헌 9인용 수 5

한 줄 요약

이 논문은 이진 탄글레그램(서로 매칭된 잎을 가진 이진 트리 쌍)에서 간선 교차수를 최소화하기 위한 알고리즘을 평가하고 개선한다. 재귀적 분할 방법을 사용하며, 분기 및 경계 기법을 통합하여 성능을 향상시켰다. 개선된 알고리즘은 최대 200개의 잎을 가진 경우 0.4초 이내에 최적 또는 근사 최적의 교차수를 달성하며, 해밀토니언 히우리스틱 및 정수 이차계획법보다 뛰어난 해의 질을 확보한다. 반면 계층 정렬은 큰 크기 또는 비이진 탄글레그램에서 인터랙티브 사용에 가장 빠르다.

ABSTRACT

A binary tanglegram is a pair of binary trees whose leaf sets are in one-to-one correspondence; matching leaves are connected by inter-tree edges. For applications, for example in phylogenetics or software engineering, it is required that the individual trees are drawn crossing-free. A natural optimization problem, denoted tanglegram layout problem, is thus to minimize the number of crossings between inter-tree edges. The tanglegram layout problem is NP-hard and is currently considered both in application domains and theory. In this paper we present an experimental comparison of a recursive algorithm of Buchin et al., our variant of their algorithm, the algorithm hierarchy sort of Holten and van Wijk, and an integer quadratic program that yields optimal solutions.

연구 동기 및 목표

• 이진 탄글레그램에서 나무 간 간선 간의 교차수를 최소화하면서도 평면적 트리 도식을 유지하는 탄글레그램 레이아웃 문제를 해결한다.
• 해결 품질과 실행 시간 측면에서 정확 알고리즘과 히우리스틱 알고리즘의 성능을 비교한다.
• 불균형 트리에서 더 나은 성능을 내기 위해 Buchin 등이 제안한 재귀적 분할 알고리즘을 개선한다.
• 중간 크기의 인스턴스에 대해 정수 이차계획법(IQP)을 통해 문제를 최적으로 해결할 수 있는지 평가한다.
• 실제 탄글레그램 유형(예: 무작위, 변형된, 완전 트리 등)에 적용 가능한 성능, 실행 시간, 해의 질 간의 상호 상충 관계를 규명한다.

제안 방법

• 불균형 트리에서의 성능 향상을 위해 Buchin 등이 제안한 재귀적 분할 알고리즘을 수정하고 사전 처리 단계를 추가한다.
• 수렴 속도를 높이기 위해 재귀 알고리즘에 분기 및 경계 기법(rec-split-bb)을 통합한다.
• Holten과 van Wijk의 히우리스틱인 계층 정렬을 구현하여 빠르게 시각적으로 매력적인 레이아웃을 생성한다.
• 탄글레그램 레이아웃 문제를 정수 이차계획법(IQP)으로 공식화하여 최적 해를 계산한다.
• 네 가지 탄글레그램 유형(완전, 무작위, 변형, 일반)에 대해 로그 스케일 플롯과 중앙값 실행 시간을 사용해 알고리즘을 비교한다.
• 200개의 잎을 가진 트리에서 성능을 측정하고, 트리 높이, 유사도, 교차수의 영향을 분석한다.

실험 결과

연구 질문

• RQ1 불균형 트리에서 개선된 재귀적 분할 알고리즘(rec-split-improved)은 원래 알고리즘과 비교해 교차수 감소와 실행 시간 측면에서 어떻게 다른가?
• RQ2 계층 정렬, 개선된 재귀 알고리즘, IQP 간에 해의 질과 속도 사이의 성능 트레이드오프는 어떠한가?
• RQ3 비록 교차수가 적지만 왜 변형된(유사한) 탄글레그램은 무작위 탄글레그램보다 더 오래 걸리는가?
• RQ4 IQP는 중간 크기의 탄글레그램(n ≤ 64)을 10분 이내에 최적으로 해결할 수 있는가? 그 스케일러빌리티에 제약 요소는 무엇인가?
• RQ5 분기 및 경계 기법을 적용한 rec-split-bb의 실행 시간은 트리 높이와 사전 처리에 따라 어떻게 달라지며, 순수 재귀 대비 어떻게 다른가?

주요 결과

• 분기 및 경계 기법을 통합한 개선된 재귀적 분할 알고리즘(rec-split-bb)는 최적 또는 근사 최적의 교차수 감소를 달성했으며, 200개의 잎을 가진 트리에서 최대 0.4초, 중앙값 기준 360ms 이내에 실행되었다.
• 계층 정렬은 가장 빠른 알고리즘으로, 완전 트리의 경우 모든 인스턴스를 12ms 이내, 일반 트리의 경우 90ms 이내에 해결하여 인터랙티브 사용에 적합했다.
• IQP는 교차수가 낮은 변형된 탄글레그램을 모두 10분 이내에 최적으로 해결했지만, n = 64를 초월해도 해의 타당성 증명이 불가능할 정도로 증가하는 이중성 갭으로 인해 무작위 탄글레그램에선 최적성 입증에 실패했다.
• rec-split-bb의 실행 시간은 O(n²h) 시간이 소요되는 사전 처리 단계에 의해 주로 결정되었으며, 이는 순수 재귀 버전과 달리 높이에 대해 지수적 증가가 아니었다.
• 유사한 트리 높이가 평균적으로 더 깊은 재귀를 유도하기 때문에, 변형된 탄글레그램은 무작위 탄글레그램보다 더 많은 계산 시간을 소요했다.
• 순수 재귀 버전(rec-split 및 rec-split-improved)는 트리 높이에 대해 지수적 실행 시간을 보였으며, 사전 처리가 있더라도 깊거나 불균형한 트리에선 실용적이지 않았다.