[논문 리뷰] Fast Algorithms for the Maximum Clique Problem on Massive Sparse Graphs

Bharath Pattabiraman, Md. Mostofa Ali Patwary외 3명|arXiv (Cornell University)|2012. 09. 26.

Complexity and Algorithms in Graphs인용 수 12

한 줄 요약

이 논문은 대규모 희박 그래프에서 최대 클리크 문제를 위한 새로운 정확한 분할정복 알고리즘과 빠른 휴리스틱을 제안하며, 검색 공간을 극적으로 줄이는 데 새로운 차폐 기법을 사용한다. 정확한 알고리즘은 큰 희박 그래프에서 이전 방법들보다 수 개의 지수만큼 더 빠르며, 휴리스틱은 거의 선형 시간 내에 near-optimal 해를 달성하여 실세계 응용 분야(예: 소셜 네트워크 내 커뮤니티 탐지)에 매우 확장 가능하다.

ABSTRACT

The maximum clique problem is a well known NP-Hard problem with applications in data mining, network analysis, informatics, and many other areas. Although there exist several algorithms with acceptable runtimes for certain classes of graphs, many of them are infeasible for massive graphs. We present a new exact algorithm that employs novel pruning techniques to very quickly find maximum cliques in large sparse graphs. Extensive experiments on several types of synthetic and real-world graphs show that our new algorithm is up to several orders of magnitude faster than existing algorithms for most instances. We also present a heuristic variant that runs orders of magnitude faster than the exact algorithm, while providing optimal or near-optimal solutions.

연구 동기 및 목표

• 기존 최대 클리크 알고리즘의 대규모 희박 그래프에서의 확장성 한계를 해결하기 위해.
• 대규모 그래프에서 더 빠른 수렴을 위해 고도의 차폐 전략을 활용하는 새로운 정확한 알고리즘을 설계하기 위해.
• 해의 품질을 유지하면서 거의 선형 런타임을 달성하는 빠른 휴리스틱 변종을 개발하기 위해.
• 다중 코어 및 분산 시스템에서 효율적인 실행을 가능하게 하기 위해 두 알고리즘의 효율적 병렬화를 가능하게 하기 위해.
• 실제 그래프, 합성 그래프, DIMACS 벤치마크 그래프를 포함한 다양한 그래프 유형에서 성능을 평가하기 위해.

제안 방법

• 정확한 알고리즘은 Carraghan-Pardalos, Östergård, Konc-Janežić 이외의 새로운 차폐 기법을 통합한 분할정복 프레임워크를 사용한다.
• 정점 순서 매기기와 동적 경계 계산을 통해 검색 공간의 대부분을 조기에 차폐한다.
• 휴리스틱은 유사한 차폐 규칙을 사용하여 검색 트리의 단일 경로를 따라가며, 잠재적 부분최적해의 위험을 감수하면서 런타임을 극적으로 줄인다.
• 두 알고리즘 모두 다중 코어 및 분산 시스템에서 효율적인 실행을 위해 쉽게 병렬화 가능하도록 설계되어 있다.
• 정확한 알고리즘은 날카운 경계를 사용하여 검색 공간을 체계적으로 탐색함으로써 정확성을 유지한다.
• 휴리스틱은 차폐 기준에 따라 잠재력이 높은 정점을 우선순위로 선택하는 탐욕적 선택 전략을 사용한다.

실험 결과

연구 질문

• RQ1 새로운 차폐 전략이 대규모 희박 그래프에서 최대 클리크 문제의 검색 공간을 크게 줄일 수 있는가?
• RQ2 제안된 정확한 알고리즘이 CP, cliquer, MCQD+CS와 같은 기존 방법들과 비교해 큰 희박 그래프에서 어떻게 성능을 발휘하는가?
• RQ3 휴리스틱 변종은 거의 선형 런타임을 달성하면서도 얼마나 높은 수준의 해 품질을 유지하는가?
• RQ4 제안된 알고리즘은 실세계 및 합성 희박 그래프에서 얼마나 잘 확장 가능한가?
• RQ5 알고리즘은 클리크 탐지 기반으로 소셜 네트워크에서 겹치는 커뮤니티를 효과적으로 탐지할 수 있는가?

주요 결과

• 제안된 정확한 알고리즘은 큰 희박 그래프에서 CP, cliquer, MCQD+CS보다 수 개의 지수만큼 더 빠르며, 밀도 높은 그래프에서는 경쟁력 있는 성능을 유지한다.
• 휴리스틱은 정확한 알고리즘 및 모든 이전 방법들보다 수 개의 지수만큼 더 빠르게 실행되며, 그래프 크기 증가와 거의 선형적으로 런타임이 증가한다.
• 테스트 케이스의 83%에서 최적 또는 near-optimal 해를 달성했으며, 부분최적해의 정확도는 0.83에서 0.99 사이로 변동한다.
• 정확한 알고리즘은 DIMACS 및 밀도 높은 합성 그래프(rmat_sd2)에서 CP와 유사한 성능을 보였지만, 이들 인스턴스에서는 cliquer 및 MCQD+CS보다 상당히 느리게 작동한다.
• 휴리스틱은 페이스북 데이터에서 겹치는 커뮤니티를 성공적으로 탐지했으며, 클리크는 서로 다른 그러나 겹치는 사회적 그룹을 나타낸다.
• 제안된 알고리즘은 병렬화에 매우 적합하여 현대 고성능 컴퓨팅 환경에서 효율적인 확장이 가능하다.