[논문 리뷰] Transforming a random graph drawing into a Lombardi drawing

Nicolaos Matsakis|arXiv (Cornell University)|2010. 12. 10.

Data Visualization and Analytics참고 문헌 5인용 수 3

한 줄 요약

이 논문은 원칙적으로 무작위 그래프 도식을 원형 에지 호를 사용하여 완벽한 각도 해상도를 달성하도록 반복적으로 정점 위치를 조정함으로써 라임바르디 도식으로 변환하는 力-지향 알고리즘을 제시한다. 이 방법은 이중 중심 초기화를 적용하고, 각 정점 주변의 균일한 각도 간격을 접선에 맞춘 원형 에지로 강제로 유지하며, 반복 최적화를 통해 총 스프링 에너지를 최소화하여 미려하고 대칭적인 레이아웃을 생성한다.

ABSTRACT

The visualization of any graph plays important role in various aspects, such as graph drawing software. Complex systems (like large databases or networks) that have a graph structure should be properly visualized in order to avoid obfuscation. One way to provide an aesthetic improvement to a graph visualization is to apply a force-directed drawing algorithm to it. This method, that emerged in the 60's views graphs as spring systems that exert forces (repulsive or attractive) to the nodes. A Lombardi drawing of a graph is a drawing where the edges are drawn as circular arcs (straight edges are considered circular arcs of infinite radius) with perfect angular resolution. This means, that consecutive edges around a vertex are equally spaced around it. In other words, each angle between the tangents of two consecutive edges is equal to $2π/d$ where d is the degree of that specific vertex. The requirement of using circular edges in graphs when we want to provide perfect angular resolution is necessary, since even cycle graphs cannot be drawn with straight edges when perfect angular resolution is needed. In this survey, we provide an algorithm that takes as input a random drawing of a graph and provides its Lombardi drawing, giving a proper visualization of the graph.

연구 동기 및 목표

• 임의의 그래프 도식을 완벽한 각도 해상도를 갖춘 라임바르디 도식으로 변환하는 방법을 개발하는 것.
• 伝통적인 力-지향 방법이 정점 주변의 균일한 각도 분포를 달성하는 데 한계가 있음을 해결하는 것.
• 각 정점에서 일관된 접선 간격을 유지하는 원형 에지 호를 강제로 적용하면서도 총 스프링 에너지를 최소화하는 것.
• 복잡한 네트워크에 적합한 고미적 품질의 그래프 시각화를 생성할 수 있도록 하는 것.
• 중간 크기의 그래프에 적용 가능한 확장 가능한 알고리즘으로, 수렴 행동을 핵심 검증 기준으로 삼는 것.

제안 방법

• 최대 40개의 정점까지 가능한 이중 중심 力-지향 방법을 사용하여 初기 그래프 레이아웃을 생성한다.
• 최적화 과정에서 고도수 정점을 우선시하기 위해 정점들을 내림차순으로 도수 순으로 정렬한다.
• 각 정점에 대해 가장 먼 이웃 정점과 직선으로 연결하여 초기 에너지를 최소화하며, 이를 기준 접선으로 삼는다.
• 다음으로, 정점의 도수 $d$에 따라 $2\pi/d$ 라디안의 각도 간격을 갖는 원형 에지 호로 재연결하여 완벽한 각도 해상도를 확보한다.
• 거리와 각도 이탈에 따라 정의된 식 (8)에서 유도된 힘 평형 조건을 사용하여 각 정점의 위치를 반복적으로 갱신하여 총 스프링 에너지를 최소화한다.
• 각 신규 정점 처리 전에 좌표계를 회전시켜 초기 접선을 양의 x축 방향으로 정렬함으로써 반복 과정 전후의 각도 일관성을 유지한다.

실험 결과

연구 질문

• RQ1 무작위 그래프 도식이 力-지향 최적화를 통해 완벽한 각도 해상도를 갖춘 라임바르디 도식으로 체계적으로 변환될 수 있는가?
• RQ2 원형 에지 호는 각 정점에서 연속된 에지 간의 균일한 각도 간격을 어떻게 확보하면서도 총 에너지를 최소화할 수 있는가?
• RQ3 정점의 도수 순으로 정렬하는 것이 수렴성과 최종 라임바르디 레이아웃의 품질에 어떤 영향을 미치는가?
• RQ4 반복적인 정점 재위치 조정 중에 각도 제약 조건을 유지하면서 어떻게 힘 평형을 유지를할 수 있는가?
• RQ5 다양한 크기와 정점 도수 분포를 가진 그래프에서 알고리즘의 수렴 특성은 어떠한가?

주요 결과

• 알고리즘은 일관된 접선 정렬을 갖는 원형 에지 호를 통해 균일한 각도 간격을 강제함으로써 무작위 그래프 레이아웃을 성공적으로 라임바르디 도식으로 변환한다.
• 이중 중심 초기화를 사용함으로써 최적화 과정에 안정적인 시작점을 제공하며, 40개 이하의 정점이 있는 그래프에 특히 효과적이다.
• 식 (8)에서 정의된 바와 같이 순수한 힘의 평형 상태로 각 정점을 반복적으로 재위치함으로써 총 스프링 에너지가 최소화되며, 이는 에너지 효율성을 보장한다.
• 각 정점 처리 전 좌표계를 회전시켜 접선의 상대적 방향을 유지함으로써 일관된 각도 해상도를 유지한다.
• 알고리즘의 수렴은 정점의 도수와 그래프 크기에 민감하며, 고도수 정점은 신뢰할 수 있는 수렴을 확보하기 위해 특별한 고려가 필요하다.
• 변환 과정 동안 원래 그래프의 위상적 구조를 유지하면서도 대칭적인 에지 분포를 통해 시각적 미학을 크게 향상시킨다.