[논문 리뷰] A Lagrangian Relaxation for the Maximum Stable Set Problem

Manoel Campêlo, Ricardo C. Corrêa|ArXiv.org|2009. 03. 08.

Complexity and Algorithms in Graphs참고 문헌 20인용 수 6

한 줄 요약

이 논문은 정점 대표를 사용하여 최대 안정집합 문제에 대한 새로운 정수계획법 설정을 제안한다. 이 설정은 각 정점에 대해 제약 조건을 라그랑주 분해하여 문제를 정점별 하위문제로 분해할 수 있도록 한다. 이 방법은 조밀한 그래프에서 브랜치 앤 컷 성능을 크게 향상시키며, 병렬 처리에서도 뛰어난 성능 향상을 보이며, 8코어에서 최대 3.43배의 병렬 속도 향상을 달성하였다. 이는 다코어 아키텍처에서의 효과성을 입증한다.

ABSTRACT

We propose a new integer programming formulation for the problem of finding a maximum stable set of a graph based on representatives of stable sets. In addition, we investigate exact solutions provided by a Lagrangian decomposition of this formulation in which only one constraint is relaxed. Some computational experiments were carried out with an effective multi-threaded implementation of our algorithm in a multi-core system, and their results are presented.

연구 동기 및 목표

• 대표 정점을 사용하여 최대 안정집합 문제에 대한 새로운 정수계획법 설정을 개발하기.
• 이 설정에 대한 라그랑주 분해의 정확한 해법에 대한 효과성을 조사하기.
• 다중스레드, 공유 메모리 병렬 버전의 알고리즘을 구현하고, 다코어 시스템에서 평가하기.
• 다양한 그래프 유형에서 표준 STAB(G) 설정과의 성능 비교하기.
• 그래프 조밀도와 구조가 분해 효율성에 미치는 영향 평가하기.

제안 방법

• 안정집합의 대표 정점을 사용하여 안정집합의 가족을 정점 대표로 분할하여 최대 안정집합 문제를 설정한다.
• 라그랑주 분해를 통해 각 정점마다 하나의 제약 조건을 이완하여 문제를 최대 n개의 하위문제로 전환한다.
• 각 하위문제는 정점과 그 이웃 정점으로 유도된 부분그래프에서 최대 안정집합을 찾는 것으로 해석된다.
• 하위문제에 대해 분離 휴리스틱을 적용하여 경계를 강화하는 브랜치 앤 컷 프레임워크를 사용한다.
• 공유 메모리 병렬 처리를 위해 자바의 동시성 모델을 활용하여 다중스레드 환경에서 알고리즘을 구현한다.
• 라그랑주 분해로부터 유도된 상한값을 기반으로 최적화 전략을 지향하는 베스트-퍼스트 탐색 전략을 사용한다.

실험 결과

연구 질문

• RQ1 대표 정점 기반 설정은 표준 STAB(G) 설정에 비해 경계 품질과 해 시간 측면에서 어떻게 비교되는가?
• RQ2 정점 대표를 통한 라그랑주 분해는 조밀한 그래프에서 브랜치 앤 컷의 성능을 향상시킬 수 있는가?
• RQ3 공유 메모리 아키텍처에서 제안된 알고리즘의 확장성은 어떠한가?
• RQ4 그래프 조밀도와 구조(예: 최대 안정집합의 수)는 분해의 효율성에 어떤 영향을 미치는가?
• RQ5 스레드 스케줄링 오버헤드가 높지 않게 병렬 구현이 유의미한 속도 향상을 달성하는가?

주요 결과

• 조밀도 ≥30%인 그래프에서 대표 정점 기반 설정은 STAB(G)를 능가하며, 특히 조밀한 인스턴스에서 해 시간을 크게 감소시켰다.
• 8코어에서 최대 3.43배의 속도 향상이 달성되었으며, C125.9와 mann.a45와 같은 조밀한 그래프에서 특히 두드러졌다.
• gen200.9.44 그래프의 경우 병렬 구현이 순차 실행 대비 탐색한 노드 수의 20%만을 차지하여, 훨씬 우수한 분할 정제 성능을 보였다.
• 일부 그래프(예: c-fat, brock, p-hat)에서는 탐색한 노드 수가 약간 증가했지만, 이는 더 빠른 경계 계산으로 상쇄되었다.
• 자바 스레드 스케줄링 메커니즘이 거의 무시할 수 없는 오버헤드를 유발하여 효율적인 병렬 처리를 가능하게 하였다.
• mann.a45와 같이 매우 조밀한 그래프에서, 효과적인 하위문제 분해 덕분에 STAB(G)보다 분해 성능이 뛰어났다.