[논문 리뷰] Empirical Time Complexity of Generic Dijkstra Algorithm

Piotr Jurkiewicz, Edyta Biernacka외 2명|arXiv (Cornell University)|2020. 06. 10.

Advanced Optical Network Technologies참고 문헌 9인용 수 5

한 줄 요약

이 논문은 유연한 광회로망(EON)에서 최적의 라우팅을 위한 일반 다익스트라 알고리즘을 독립적으로 구현하고 평가하여, 평균적으로 필터링된 그래프 알고리즘보다 2.3배 빠른 성능을 확인함과 동시에, 네트워크 크기 기준으로 시간 복잡도를 O(V²)로, 간선 단위 기준으로는 O(log S)로 경험적으로 규명함. 또한 네트워크 활용도가 약 25%일 때 런타임이 비단조화적 피크를 보임을 발견함.

ABSTRACT

Generic Dijkstra is a novel algorithm for finding the optimal shortest path in both wavelength-division multiplexed networks (WDM) and elastic optical networks (EON), claimed to outperform known algorithms considerably. Because of its novelty, it has not been independently implemented and verified. Its time complexity also remains unknown. In this paper, we perform run-time analysis and show that Generic Dijkstra running time grows quadratically with the number of graph vertices and logarithmically with the number of edge units. We also discover that the running time of the Generic Dijkstra algorithm in the function of network utilization is not monotonic, as peak running time is at approximately 0.25 network utilization. Additionally, we provide an independent open source implementation of Generic Dijkstra in the Python language. We confirm the correctness of the algorithm and its superior performance. In comparison to the Filtered Graphs algorithm, Generic Dijkstra is approximately 2.3 times faster in networks with 25 to 500 nodes, and in 90% of calls its computation takes less time.

연구 동기 및 목표

• 원본 알고리즘 기술서에만 기반하여 일반 다익스트라 알고리즘을 독립적으로 구현하여 정확성과 성능을 검증하기 위해.
• 알고리즘의 런타임 성능을 평가하고 기존에 널리 사용되는 필터링된 그래프 알고리즘과 직접 비교하기 위해.
• 일반 다익스트라 알고리즘의 시간 복잡도를 네트워크 크기, 간선 단위, 네트워크 활용도에 따라 경험적으로 규명하기 위해.
• 재현 가능성과 향후 연구를 위해 오픈소스 구현을 제공하기 위해.
• 이러한 신규 알고리즘에 대해 이전에 검증되지도, 분석되지도 않은 시간 복잡도 분석의 부족을 해소하기 위해.

제안 방법

• 원본 알고리즘 기술서에만 기반하여 파이썬으로 일반 다익스트라 알고리즘을 처음부터 구현하여 사양에 정확히 부합함을 보장함.
• 노드 수(V), 간선 단위 수(S), 네트워크 활용도 수준이 다양한 합성 EON 토폴로지에서 광범위한 시뮬레이션을 수행함.
• 다양한 네트워크 상태와 구성에서 일반 다익스트라와 필터링된 그래프 알고리즘의 평균 호출 시간을 측정하고 비교함.
• 실험 데이터를 수학적 함수에 피팅하여 V, S, 네트워크 활용도에 따른 런타임 의존성의 증가 정도를 규명함.
• 누적 분포 함수(CDF)를 사용하여 90%의 호출에 대해 상대적 성능을 비교함으로써 런타임 분포에 대한 통계적 통찰을 제공함.
• 커뮤니티 검증과 재사용을 위해 전체 구현 코드와 테스트 세트를 오픈소스 레포지토리에 공개함.

실험 결과

연구 질문

• RQ1 일반 다익스트라 알고리즘의 경험적 시간 복잡도는 네트워크 크기(V)와 간선 단위 수(S)에 대해 어떻게 되는가?
• RQ2 일반 다익스트라의 런타임은 네트워크 활용도에 따라 어떻게 변화하며, 그 관계는 단조형인가?
• RQ3 일반 다익스트라 알고리즘의 평균 및 호출별 실행 시간 측면에서 필터링된 그래프 알고리즘과 비교해 볼 때 성능는 어떠한가?
• RQ4 원본 기술서만으로 일반 다익스트라 알고리즘을 정확하고 신뢰성 있게 구현할 수 있는가?
• RQ5 실제 EON 환경에서 25~500개 노드를 가진 시나리오에서 일반 다익스트라 알고리즘의 실용적 성능 향상은 어떠한가?

주요 결과

• 일반 다익스트라 알고리즘은 평균적으로 필터링된 그래프 알고리즘보다 2.3배 더 빠르며, CPython 기준 중앙값 속도 향상은 3.48×, PyPy 기준으로는 4.31×임.
• 알고리즘의 런타임은 정점 수(V)에 대해 제곱적으로 증가함(t ∼ V²)하여, 필터링된 그래프 알고리즘보다 더 높은 점근적 성장률을 보임.
• 런타임은 간선 단위 수(S)에 대해 로그적으로 증가함(t ∼ log S)하여 스펙트럼이 풍부한 네트워크에서의 확장성 잠재력이 있음.
• 런타임은 네트워크 활용도에 대해 단조롭지 않으며, 약 25% 활용도에서 피크를 보임. 이는 중간 간선 가용성 패tern 때문일 가능성 있음.
• 90%의 호출에서 일반 다익스트라 알고리즘이 필터링된 그래프 알고리즘을 앞서며, CPython 기준 87.1%의 호출, PyPy 기준 91.9%의 호출에서 더 빠름.
• 더 높은 점근적 복잡도에도 불구하고, 일반 다익스트라 알고리즘은 500개 노드에서도 여전히 필터링된 그래프 알고리즘보다 30–50% 더 빠름. 이는 상수 요소가 더 낮기 때문임.