[论文解读] Finding All Bounded-Length Simple Cycles in a Directed Graph

Anshul Gupta, Toyotaro Suzumura|arXiv (Cornell University)|May 21, 2021

Algorithms and Data Compression参考文献 11被引用 12

一句话总结

该论文提出了一种新的确定性算法，用于在有向图中查找长度不超过 $k$ 的所有简单环，通过按度数对顶点排序并结合带环剪枝的深度优先搜索，实现在近乎均匀度数 $d$ 的图上 $O((c+n)(k-1)d^k)$ 的时间复杂度。该方法在实践中极为高效，可在真实图（如 web-BerkStan 和 soc-pokec）上处理数十亿个环，并支持高效的并行化，适用于大规模应用。

ABSTRACT

A new efficient algorithm is presented for finding all simple cycles that satisfy a length constraint in a directed graph. When the number of vertices is non-trivial, most cycle-finding problems are of practical interest for sparse graphs only. We show that for a class of sparse graphs in which the vertex degrees are almost uniform, our algorithm can find all cycles of length less than or equal to $k$ in $O((c+n)(k-1)d^k)$ steps, where $n$ is the number of vertices, $c$ is the total number of cycles discovered, $d$ is the average degree of the graph's vertices, and $k > 1$. While our analysis for the running time addresses only a class of sparse graphs, we provide empirical and experimental evidence of the efficiency of the algorithm for general sparse graphs. This algorithm is a significant improvement over the only other deterministic algorithm for this problem known to us; it also lends itself to massive parallelism. Experimental results of a serial implementation on some large real-world graphs are presented.

研究动机与目标

• 为解决在大型稀疏有向图中查找所有长度 ≤k 的简单环这一实际需求，该需求在社交网络、金融和通信图分析中普遍存在。
• 开发一种确定性、可扩展且高效的算法，优于现有针对长度受限环枚举的方法。
• 在近似均匀度数假设下提供理论时间复杂度界，并在多种真实图上实证验证性能。
• 通过支持顶点重排序和大规模并行计算，实现实际部署，提升在大型图上的可扩展性。

提出的方法

• 该算法采用受 Johnson 算法启发的改进深度优先搜索（DFS）策略，通过顶点阻塞与解除阻塞机制避免重复搜索环。
• 顶点按总度数递增顺序重新编号，以减少探索路径数量并提升剪枝效率。
• 对每个顶点 $s$，在由顶点 $\{s, s+1, \dots, n\}$ 诱导的子图中执行环搜索，通过仅在最小顶点处发现环来确保环仅被发现一次。
• 搜索限制在长度最多为 $k$ 的路径上，仅当路径返回起始顶点 $s$ 且未重复访问其他顶点时才收集环。
• 算法维护 Blists（回溯路径记录）以避免重复处理失败路径，确保正确性与效率。
• 该方法设计易于并行化，每个起始顶点的环搜索相互独立，可在大规模图上实现大规模并行执行。

实验结果

研究问题

• RQ1 是否存在一种确定性算法，能够高效枚举大型稀疏有向图中所有长度 ≤k 的简单环，即使环的数量可能呈指数级增长？
• RQ2 按度数对顶点进行重排序在实践中如何影响环枚举算法的性能？
• RQ3 在近乎均匀顶点度数的假设下，所提算法的理论时间复杂度是多少？
• RQ4 该算法在具有非均匀度数分布和数十亿条边的真实图上，其可扩展性如何？
• RQ5 该算法能否被有效并行化，以处理超出串行执行能力的极大型图？

主要发现

• 该算法在单个 CPU 上成功检测到 soc-pokec 图中最多 6.11×10¹¹ 个长度 ≤6 的环，耗时不足 15 分钟。
• 对于 $k=5$，在 wiki-topcats 图上按度数排序顶点使运行时间减少超过 100 倍，表明顶点排序在性能中起关键作用。
• 经验比值 $T / ((c+n)(k-1)\min(e,d^k))$ 随 $k$ 和 $c$ 增大而减小，表明该算法在实践中表现优于理论界。
• 在 SNAP 数据库的所有测试图上，该算法的运行时间随 $c$ 和 $k$ 呈次线性增长，表明即使在非均匀度数分布下也具有鲁棒性。
• 对于 $k=6$ 的 web-BerkStan 图，串行执行耗时超过 10 天并被中止，表明串行执行下 $k$ 和图大小存在实际上限。
• 该算法的设计天然支持大规模并行，为未来在分布式系统中实现更大规模图的可扩展性提供了可能。