[논문 리뷰] Finding Optimal Longest Paths by Dynamic Programming in Parallel

Kai Fieger, Tomáš Balyo외 2명|arXiv (Cornell University)|2019. 05. 08.

Graph Theory and Algorithms참고 문헌 15인용 수 5

한 줄 요약

이 논문은 그래프 분할과 병렬 처리를 활용하여 무방향 가중 그래프에서 최적의 최장 단순 경로를 찾는 정확한 동적 프로그래밍 알고리즘인 LPDP를 제안한다. 어려운 인스턴스에서 빠른 성능 향상을 이룩하며, 최대 64 스레드에서 총 11.69배의 속도 향상을 달성하여 이전의 정확한 방법들을 능가하고 이전에 해결되지 않았던 문제들을 해결할 수 있게 한다.

ABSTRACT

We propose an exact algorithm for solving the longest simple path problem between two given vertices in undirected weighted graphs. By using graph partitioning and dynamic programming, we obtain an algorithm that is significantly faster than other state-of-the-art methods. This enables us to solve instances that were previously unsolved and solve hard instances significantly faster. Lastly, we present a scalable parallelization which yields the first efficient parallel algorithm for the problem.

연구 동기 및 목표

• 어려운 인스턴스와 이전에 해결되지 않은 문제들에 대해 기존 최상위 수준의 방법들을 능가하는 정확한 최장 경로 문제 알고리즘 개발
• 이 NP-완전 문제에 대해 처음으로 효율적인 병렬 정확 알고리즘을 제공하는 확장 가능한 병렬 처리 전략 설계
• 실세계 및 벤치마크 그래프에서 제안된 알고리즘의 성능 평가를 통해 스레드 수 변화에 따른 속도 향상과 확장성 분석
• 병렬 처리의 이점을 얻지 못하는 '쉬운' 문제들을 식별하고 걸러내어 계산적으로 도전적인 인스턴스에서의 속도 향상 비교를 공정하게 수행

제안 방법

• 정점 집합을 상호 블록 간 간선 컷 수가 최소화되도록 균형 잡힌 블록들로 분할하여 탐색 공간을 줄인다.
• 부분 경로 해를 저장하여 재계산을 방지하고 최적성을 보장하기 위해, 블록 내외에서 동적 프로그래밍을 적용한다.
• 공유 메모리 병렬 처리 모델을 사용하며, 각 스레드가 분할된 그래프의 부분 집합을 처리하고, 부분 결과를 통합하기 위해 동기화를 수행한다.
• 간선 가중치를 경로 길이 기여도로 간주하여, 무게 없는 그래프와 가중 그래프 모두를 처리할 수 있도록 알고리즘을 최적화한다.
• 공정한 비교를 위해 병렬 솔버는 순차적 솔버보다 짧은 시간 제한을 부여하는 시간 제한 기반 평가 전략을 사용한다.
• 병렬 처리에서 측정 가능한 이점을 얻는 문제들(즉, 스레드 수의 5배 이상 소요되는 문제들)을 식별하기 위한 필터링 메커니즘을 포함한다.

실험 결과

연구 질문

• RQ1 동적 프로그래밍과 그래프 분할을 조합하면 어려운 인스턴스에서 정확한 최장 경로 알고리즘의 성능을 크게 향상시킬 수 있는가?
• RQ2 공유 메모리 시스템에서 최장 경로 문제에 대한 병렬화된 동적 프로그래밍 접근 방식의 기대 가능한 속도 향상은 얼마인가?
• RQ3 스레드 수가 증가함에 따라 병렬 알고리즘의 성능는 어떻게 변화하는가? 그리고 수익 감소가 언제 시작되는가?
• RQ4 크기, 조밀도, 구조 등의 문제 특성은 어떤 것이 병렬 가속화에 적합한가, 혹은 순차 처리에 적합한가?
• RQ5 제안된 알고리즘이 이전 방법으로는 해결이 불가능했던 기존에 해결되지 않은 최장 경로 인스턴스를 해결할 수 있는가?

주요 결과

• LPDP 알고리즘은 32분 시간 제한 내에 순차 기준선보다 15개 더 많은 벤치마크 인스턴스를 해결하여 확장성과 성능 향상이 뛰어나다는 것을 입증했다.
• 64개 스레드에서 총 속도 향상이 11.691에 도달하여, 어려운 인스턴스에서 고병렬성을 효과적으로 활용한다는 것을 보여주었다.
• 모든 문제에 대한 평균 속도 향상은 2.5 이하로 머물러 있어, 쉬운 인스턴스에서는 병렬 처리 오버헤드가 지배적이며 병렬화가 바람직하지 않음을 시사한다.
• '큰' 문제들(즉, 스레드 수의 5배 이상 소요되는 문제들)에 대해서는 중앙값 속도 향상이 크게 증가했으며, 64개 스레드에서 32개 스레드 대비 17.0% 추가 속도 향상을 달성했다.
• 32개 및 64개 스레드 솔버는 중앙값 속도 향상이 1.0 이하로 떨어져, 쉬운 문제에서는 병렬 처리가 오버헤드로 인해 오히려 비효율적임을 확인했다.
• 이전의 정확한 방법들을 능가하며, 정확한 최장 경로 문제에 대해 처음으로 효율적이고 확장 가능한 병렬 솔루션을 제공한다.