[논문 리뷰] Linear Programming Heuristics for the Graph Isomorphism Problem

Reza Takapoui, Stephen Boyd|arXiv (Cornell University)|2016. 11. 02.

Complexity and Algorithms in Graphs참고 문헌 24인용 수 6

한 줄 요약

이 논문은 그래프 이sov머피즘 문제(GIP)를 위한 확률적 선형계획법(LP) 휴리스틱을 제안한다. 이는 이완된 LP 설정을 활용하여 한 그래프를 다른 그래프로 매핑하는 치환행렬을 찾는다. 희소성 제약 조건을 통합하고 ADMM 기반 솔버를 사용함으로써, 특히 구조적 그래프에서 높은 성공률을 달성하며 정확한 방법이 실패하는 경우에도 확장성과 효과성을 입증한다.

ABSTRACT

An isomorphism between two graphs is a bijection between their vertices that preserves the edges. We consider the problem of determining whether two finite undirected weighted graphs are isomorphic, and finding an isomorphism relating them if the answer is positive. In this paper we introduce effective probabilistic linear programming (LP) heuristics to solve the graph isomorphism problem. We motivate our heuristics by showing guarantees under some conditions, and present numerical experiments that show effectiveness of these heuristics in the general case.

연구 동기 및 목표

• 그래프 이sov머피즘 문제(GIP)의 계산적 과제를 다루며, 널리 응용됨에도 불구하고 다항시간 해법이 해결되지 않은 상태이다.
• 큰 또는 복잡한 그래프에서 정확한 정수계획법 접근 방식을 능가하는 실용적이고 확장 가능한 GIP 휴리스틱을 개발한다.
• 해결 행렬에 희소성 제약 조건을 도입하여 LP 기반의 이sov머피즘 탐지 성공률을 향상시킨다.
• ADMM 기반 알고리즘을 사용하여 이완된 LP 문제를 효율적으로 해결함을 보이며, 삼차 시간 복잡도를 갖는다.
• 다양한 그래프 가족에 대한 실증적 검증을 제공하여, 희소성 제약 조건이 이sov머피즘 탐지 정확도를 크게 향상시킴을 보여준다.

제안 방법

• 그래프 이sov머피즘 문제를 $PA = \tilde{A}P$, $P\mathbf{1} = \mathbf{1}$, $P^T\mathbf{1} = \mathbf{1}$, 및 $P_{ij} \in \{0,1\}$ 라는 제약 조건을 갖는 부울 LP로 공식화한다.
• 부울 제약 조건을 $0 \leq P_{ij} \leq 1$ 으로 이완하여 다항시간 내에 해결 가능한 표준 선형계획법(LP) 문제로 변환한다.
• 해결 행렬의 비제로 요소 수를 제한하는 희소성 제약 조건 $\mathcal{K}$ 를 도입하여 치환행렬을 회복할 가능성을 높인다.
• 교차 방향 다중승수법(ADMM)을 사용하여 제약 조건이 있는 LP 문제를 효율적으로 해결하며, 반복당 $O(n^3)$ 복잡도를 갖는다.
• 근사 해를 유효한 치환행렬로 변환할 수 있는지 확인하기 위해 헝가리안 알고리즘을 사용한 다듬기 단계를 적용한다.
• 스펙트럼 동치성(동일한 고유값)을 사전 필터로 활용하여, 이sov머피즘 가능성이 있는 쌍만 처리한다.

실험 결과

연구 질문

• RQ1 그래프 이sov머피즘 문제의 선형계획법 이완은 이sov머피즘을 찾는 데 효과적인 휴리스틱으로 사용될 수 있는가?
• RQ2 해결 행렬 $P$ 에 희소성 제약 조건을 적용하면 유효한 치환행렬을 회복하는 데 성공률이 어떻게 향상되는가?
• RQ3 큰 그래프에 대해 제안된 ADMM 기반 솔버의 확장성은 내부점 방법과 비교해 어떻게 되는가?
• RQ4 어떤 그래프 가족에서 선형계획법 이완이 치환행렬에 가까운 해를 제공하며, 희소성 제약 조건이 가장 큰 도움을 주는가?
• RQ5 일부 구조적 조건 하에서 선형계획법 이완이 충분히 날카로워져 GIP를 정확히 해결할 수 있는가?

주요 결과

• 저자들의 가정 하에 테스트된 모든 그래프에서 LP 이완(2)는 타당성을 갖는다. 이는 해당 방법이 다양한 그래프 가족에 적용 가능함을 시사한다.
• 무작위 에르되시-레니 그래프(R1N)에서는 희소성 제약 조건 없이도 $n = 1000$ 정점일 때도 100% 성공률을 기록한다.
• 삼차 히포-해밀턴 그래프(CHH)에서는 희소성 제약 조건으로 인해 평균 성공률가 30%에서 82%로 상승하며, $n = 550$일 때 가장 큰 향상이 관찰된다.
• 아핀 기하학 그래프(AG2)에서는 희소성 제약 조건으로 인해 $n \leq 21$일 때 성공률가 0%에서 100%로 상승하지만, $n$ 이 증가함에 따라 성능이 저하된다.
• ADMM 기반 솔버는 그래프 크기에 따라 로그 런타임이 선형적으로 증가하며, 반복당 $O(n^3)$ 비용을 가지며 ECOS와 같은 내부점 방법보다 훨씬 우수한 확장성을 보인다.
• 크로네커 아이 플립(KEF) 및 MZA 그래프에서는 희소성 제약 조건이 성공률을 크게 향상시키며, KEF는 $n = 128$ 이상일 때 100% 성공률을 기록하고, MZA는 작은 크기에서 회복 성능이 향상된다.