[논문 리뷰] n-Level Hypergraph Partitioning

Vitali Henne, Henning Meyerhenke외 3명|arXiv (Cornell University)|2015. 05. 04.

VLSI and FPGA Design Techniques참고 문헌 32인용 수 4

한 줄 요약

이 논문은 한 번에 한 개의 엣지만 수축하는 세밀한, 단일 엣지 수축 기반의 다중 수준 초그래프 분할 알고리즘을 사용하는 최초의 직접적 k-방향 n-레벨 초그래프 분할 알고리즘을 제시한다. 또한, 새로운 국소화된 FM 기반 k-방향 국소 탐색 기법을 도입하였다. 이는 hMetis와 PaToH보다 252개의 벤치마크 중 164개에서 뛰어난 분할 품질을 달성하면서도, 최적화된 데이터 구조와 이득 갱신 기법 덕분에 hMetis와 유사한 런타임 성능을 유지한다.

ABSTRACT

We develop a multilevel algorithm for hypergraph partitioning that contracts the vertices one at a time and thus allows very high quality. This includes a rating function that avoids nonuniform vertex weights, an efficient "semi-dynamic" hypergraph data structure, a very fast coarsening algorithm, and two new local search algorithms. One is a $k$-way hypergraph adaptation of Fiduccia-Mattheyses local search and gives high quality at reasonable cost. The other is an adaptation of size-constrained label propagation to hypergraphs. Comparisons with hMetis and PaToH indicate that the new algorithm yields better quality over several benchmark sets and has a running time that is comparable to hMetis. Using label propagation local search is several times faster than hMetis and gives better quality than PaToH for a VLSI benchmark set.

연구 동기 및 목표

• 스케일러비리티와 수렴 문제로 인해 오랫동안 회피되어 온 직접적 k-방향 FM 기반 국소 탐색을 가능하게 하여 다중 수준 초그래프 분할의 격차를 메우는 것.
• 하나의 엣지씩 수축하는 세밀한 n-레벨 수축 전략을 사용하여 고품질이고 확장 가능한 k-방향 초그래프 분할기를 개발하는 것.
• 조기 수렴을 피하고 낮은 국소 최적해에 갇히는 것을 방지하기 위해 국소화된 FM 기반 k-방향 국소 탐색을 도입하여 분할 품질을 향상시키는 것.
• 반동적 초그래프 데이터 구조와 최적화된 이득 갱신 기법을 통해 높은 성능을 유지하는 것.
• k-방향 FM 국소 탐색이 그레디 메서드와 기존 도구인 hMetis와 PaToH보다 품질과 효율성 측면에서 뛰어나다는 것을 입증하는 것.

제안 방법

• 한 번에 한 엣지만 수축하는 n-레벨 수축 전략을 제안하여 세밀한 계층 구축과 더 나은 구조 보존을 가능하게 한다.
• 수축 과정에서 비균형적인 정점 가중치를 방지하기 위해 평가 함수를 도입하여 각 수준에서 균형 잡힌 블록 크기를 유지한다.
• 국소 탐색 및 이득 계산 중에 임의로 업데이트를 지원할 수 있는 반동적 초그래프 데이터 구조를 활용한다.
• 단일 정점 쌍에서 시작하여 k−1개의 블록으로 이동을 점진적으로 탐색하는 국소화된 k-방향 Fiduccia-Mattheyses(FM) 국소 탐색을 개발한다.
• 비교 및 성능 평가를 위해 초그래프에 대해 크기 제약이 있는 레이블 전파(SCLaP) 기법을 적응하여 그레디 대안으로 사용한다.
• FM 알고리즘에서 유래한 기법을 활용해 이득 갱신 계산을 최적화하여 국소 탐색 성능의 주요 병목 현상을 줄인다.

실험 결과

연구 질문

• RQ1 직접적 k-방향 FM 기반 국소 탐색이 다중 수준 초그래프 분할에서 그레디 메서드를 능가할 수 있는가?
• RQ2 단일 엣지 수축 전략을 갖춘 n-레벨 수축 전략이 기존의 다중 수준 접근 방식보다 분할 품질을 향상시킬 수 있는가?
• RQ3 국소화된 FM 기반 k-방향 국소 탐색은 효율성을 유지하면서도 조기 수렴을 피하고 낮은 국소 최적해에 갇히는 것을 방지할 수 있는가?
• RQ4 다양한 벤치마크 세트에서 기존의 도구인 hMetis와 PaToH와 비교해 본 결과, 제안된 알고리즘이 품질과 성능 측면에서 어떻게 비교되는가?
• RQ5 반동적 초그래프 데이터 구조와 최적화된 이득 갱신 기법이 k-방향 국소 탐색의 높은 성능을 얼마나 높이기 위한가?

주요 결과

• 제안된 k-방향 FM 국소 탐색은 252개의 벤치마크 인스턴스 중 164개에서 hMetis와 PaToH보다 뛰어난 분할 품질을 달성한다.
• 추가로 17개의 케이스에서는 hMetis와 PaToH 중 최고 성능을 내는 것과 동일한 품질의 분할을 달성하여 강력한 내구성을 보여준다.
• 알고리즘은 런타임 성능에서 hMetis와 유사하여, 높은 품질의 분할을 속도를 희생시키지 않고 달성할 수 있음을 입증한다.
• 레이블 전파 기반 국소 탐색은 hMetis보다 최대 몇 배 빠르며, VLSI 벤치마크 세트에서는 PaToH보다 더 좋은 결과를 낸다.
• 반동적 초그래프 데이터 구조와 최적화된 이득 갱신 기법은 FM 알고리즘에서 주요 병목이 되는 이득 계산의 계산 비용을 크게 감소시킨다.
• n-레벨 수축 전략은 더 균형 잡힌 수축과 초그래프 구조의 더 나은 보존을 가능하게 하여 최종 분할 품질 향상에 기여한다.