[논문 리뷰] On Distributed Graph Coloring with Iterative Recoloring

Ahmet Erdem Sarıyüce, Érik Saule외 1명|arXiv (Cornell University)|2014. 07. 24.

Advanced Graph Theory Research참고 문헌 27인용 수 3

한 줄 요약

이 논문은 분산 메모리 시스템에서 확장 가능하고 고품질의 그래프 색칠을 위한 두 가지 상호보완적인 기법—랜덤화된 초기 색칠과 효율적인 분산 재색칠 기법—을 제안한다. 랜덤화된 시딩과 반복적 재색칠을 결합함으로써, 스케일이 증가함에 따라 더 낮은 런타임으로 훨씬 더 낮은 색상 수를 달성하며, 기존의 분산 알고리즘보다 품질과 효율성 측면에서 모두 뛰어나다.

ABSTRACT

Identifying the sets of operations that can be executed simultaneously is an important problem ap-pearing in many parallel applications. By modeling the operations and their interactions as a graph, one can identify the independent operations by solving a graph coloring problem. Many efficient sequential algorithms are known for this NP-Complete problem, but they are typically unsuitable when the oper-ations and their interactions are distributed in the memory of large parallel computers. On top of an existing distributed-memory graph coloring algorithm, we investigate two compatible techniques in this paper for fast and scalable distributed-memory graph coloring. First, we introduce an improvement for the distributed post-processing operation, called recoloring, which drastically improves the number of colors. We propose a novel and efficient communication scheme for recoloring which enables it to scale gracefully. Recoloring must be seeded with an existing coloring of the graph. Our second contribution is to introduce a randomized color selection strategy for initial coloring which quickly produces solutions of modest quality. We extensively evaluate the impact of our new techniques on existing distributed algorithms and show the time-quality tradeoffs. We show that combining an initial randomized coloring with multiple recoloring iterations yields better quality solutions with the smaller runtime at large scale. 1

연구 동기 및 목표

• 분산 메모리 병렬 시스템에서 고품질이고 확장 가능한 그래프 색칠을 달성하는 데 도전하는 것.
• 통신 오버헤드를 유지하면서도 분산 그래프 색칠에서 사용하는 색상 수를 줄이는 것.
• 대규모 분산 시스템에서 잘 스케일링되는 통신 효율적인 재색칠 기법을 설계하는 것.
• 랜덤화된 초기 색칠과 반복적 재색칠을 조합했을 때 시간-품질 트레이드오프에 미치는 영향을 평가하는 것.
• 스케일이 증가함에 따라 랜덤화된 시딩과 다중 재색칠 반복을 통해 우수한 성능을 달성할 수 있음을 보여주는 것.

제안 방법

• 대규모 시스템에서의 확장 가능한 실행을 가능하게 하는 새로운 효율적인 분산 재색칠을 위한 통신 기법을 도입한다.
• 초기 그래프 색칠을 위한 랜덤화된 색상 선택 전략을 제안하여 빠르게 중간 수준의 품질의 색칠을 생성한다.
• 기존 색칠 결과를 시드로 사용하여 해의 품질을 향상시키기 위해 반복적 재색칠을 후처리 단계로 활용한다.
• 동기화 및 데이터 전송 비용을 줄이는 통신 최적화된 재색칠 알고리즘을 설계한다.
• 랜덤화된 초기 색칠과 다중 재색칠 반복을 조합하여 확장성을 희생하지 않고도 해의 품질을 향상시킨다.
• 기존의 분산 그래프 색칠 프레임워크에서 접근법을 평가하여 시간-품질 트레이드오프를 분석한다.

실험 결과

연구 질문

• RQ1 랜덤화된 초기 색칠 전략이 재색칠의 효과적인 시드가 될 만큼 충분히 양호한 색칠을 생성할 수 있는가?
• RQ2 제안된 재색칠 기법은 대규모 분산 시스템에서 통신 및 런타임 측면에서 어떻게 스케일링되는가?
• RQ3 다중 재색칠 반복이 최종적으로 사용된 색상 수에 어떤 영향을 미치는가?
• RQ4 랜덤화된 시딩과 반복적 재색칠의 조합이 분산 그래프 색칠에서 시간-품질 트레이드오프에 어떻게 영향을 미치는가?
• RQ5 제안된 기법들이 기준 분산 알고리즘 대비 해의 품질을 향상시키면서도 런타임을 유지하거나 감소시킬 수 있는가?

주요 결과

• 제안된 재색칠 기법은 최종 색칠에서 사용하는 색상 수를 크게 줄여 해의 품질을 향상시킨다.
• 재색칠을 위한 통신 기법은 최소한의 오버헤드로 대규모 분산 시스템에서 유연하게 스케일링을 가능하게 한다.
• 랜덤화된 초기 색칠과 다중 재색칠 반복을 조합하면 기준 방법보다 더 우수한 품질의 색칠을 달성한다.
• 병렬 처리의 효율적 활용과 통신 감소 덕분에, 특히 대규모에서 뛰어난 시간-품질 트레이드오프를 달성한다.
• 반복적 재색칠 과정은 강력한 확장성을 보이며, 시스템 크기가 증가함에 따라 성능을 유지한다.
• 스케일이 증가할 때 적용되었을 경우, 색상 수와 런타임 효율성 측면에서 기존의 분산 알고리즘을 뛰어넘는 성능을 발휘한다.