[论文解读] Improving upon Maximum Independent Set by five orders of magnitude

Marcel Wild|arXiv (Cornell University)|Jan 28, 2009

Image and Object Detection Techniques被引用 1

一句话总结

该论文提出了一种优化算法，用于在图中寻找最大独立集，相较于Mathematica内置的MaximumIndependentSet函数，速度提升了十万倍。通过采用定制化的反团枚举方法，该方法在随机(45, 92)-图上仅用1.344秒即计算出大小为21的最大反团，而标准命令则耗时155,838秒。

ABSTRACT

Several algorithms are presented. The standard algorithm generates all N anticliques of a graph with v vertices in time O(Nv 2). It can be adapted to e.g. generate all maximum cardinality anticliques, or just one maximum anticlique. The latter is our main achievement and was programmed using the Mathematica 6.0 code. For a random (45, 92)-graph G a maximum anticlique of size 21 was found in 1.344 sec, whereas the “hardwired” command MaximumIndependentSet[G] clocked in at 155838 sec, which is five orders of magnitude slower.

研究动机与目标

• 开发一种更快的算法，用于计算图中的最大独立集。
• 克服现有通用求解器（如Mathematica的MaximumIndependentSet）效率低下的问题。
• 在中等规模的随机图实例上展示显著的性能提升。

提出的方法

• 该算法使用优化的枚举策略，生成图中所有的反团（独立集）。
• 其设计专注于仅生成最大基数的反团，从而减少不必要的计算。
• 该方法在Mathematica 6.0中实现，利用了其符号计算能力。
• 通过在枚举过程中剪枝无希望的分支，避免了穷举搜索。
• 采用递归回溯机制，并对最大集合实施早期终止。
• 实现过程针对输入图的结构特性进行了定制化优化。

实验结果

研究问题

• RQ1 定制化算法是否能在寻找最大独立集方面超越内置求解器？
• RQ2 通过针对性优化反团枚举，可实现多大的性能提升？
• RQ3 该算法在中等规模随机图上的可扩展性如何？

主要发现

• 所提出的算法在(45, 92)-图上仅用1.344秒即找到大小为21的最大反团。
• Mathematica内置的MaximumIndependentSet命令完成相同任务耗时155,838秒。
• 新方法比标准实现快约115,800倍。
• 性能提升达到了五个数量级。
• 结果表明，与通用求解器相比，定制化优化具有显著有效性。
• 该算法成功扩展至包含45个顶点和92条边的图。