[论文解读] Listing All Maximal Cliques in Large Sparse Real-World Graphs

David Eppstein, Darren Strash|arXiv (Cornell University)|Mar 2, 2011

Complex Network Analysis Techniques参考文献 34被引用 25

一句话总结

本文提出了一种实用的线性空间算法，用于在大规模稀疏现实世界图中列出所有最大团，其理论框架基于Eppstein、Löffler和Strash的研究。该算法在稀疏图上实际表现优于广泛使用的Tomita等人算法，通过避免存储邻接矩阵，实现了基于退化度的参数化下的近似最优性能，同时在稠密图上也保持高效。

ABSTRACT

We implement a new algorithm for listing all maximal cliques in sparse graphs due to Eppstein, Löffler, and Strash (ISAAC 2010) and analyze its performance on a large corpus of real-world graphs. Our analysis shows that this algorithm is the first to offer a practical solution to listing all maximal cliques in large sparse graphs. All other theoretically-fast algorithms for sparse graphs have been shown to be significantly slower than the algorithm of Tomita et al. (Theoretical Computer Science, 2006) in practice. However, the algorithm of Tomita et al. uses an adjacency matrix, which requires too much space for large sparse graphs. Our new algorithm opens the door for fast analysis of large sparse graphs whose adjacency matrix will not fit into working memory.

研究动机与目标

• 解决在大规模稀疏现实世界图中列出所有最大团时缺乏实用且内存高效的算法的问题。
• 克服Tomita等人算法的内存瓶颈，该算法依赖于邻接矩阵，在大规模图上变得不可行。
• 基于退化度递归和动态图数据结构实现并评估一种新算法，以同时实现理论效率和实际速度。
• 证明新算法在实践中与Tomita等人算法具有竞争力，尤其在稀疏图上，同时仅使用线性空间。
• 通过在多样化的真实世界和合成图上进行实证验证，包括Moon–Moser和DIMACS基准，确立其在稀疏输入上的性能优势。

提出的方法

• 实现Eppstein–Löffler–Strash算法，利用动态图数据结构在递归团枚举过程中维护邻接关系。
• 以退化度作为稀疏性度量，确保最坏情况时间复杂度与团的数量和退化度成比例，接近最优。
• 采用类似于Tomita等人策略的选pivot策略，选择一个pivot顶点以最小化递归分支，提升实际性能。
• 使用顶点集和动态邻接结构表示子问题，而非邻接矩阵，将空间复杂度降低至O(n + m)。
• 通过高效的邻域查询和集合操作数据结构优化递归过程中的性能。
• 与三种变体进行比较：原始Tomita等人算法（基于矩阵）、使用邻接表的修改版Tomita变体，以及使用静态顶点列表的简化版新算法。

实验结果

研究问题

• RQ1 基于退化度参数化的理论高效最大团枚举算法，是否能在大规模稀疏图上实现与广泛使用的Tomita等人算法相当的实际性能？
• RQ2 通过避免邻接矩阵存储，转而使用动态图数据结构，是否能使算法扩展到大稀疏图，而这些图对基于矩阵的方法而言过大而无法处理？
• RQ3 新算法在多样化的真实世界和合成图类型上的性能，与Tomita等人及其邻接表变体相比如何？
• RQ4 与Tomita等人相比，该算法在稠密图上的性能退化程度如何？是否仍处于较小常数因子范围内？
• RQ5 该算法能否在实践中高效处理Moon–Moser图及其他具有指数级团数量的困难实例？

主要发现

• 在数据集中最稀疏的随机图上，新算法相较于Tomita等人最快可提升30倍，显著体现了在稀疏场景下的速度优势。
• 在包含51个顶点（1.29亿个最大团）的Moon–Moser图上，新算法耗时67.28秒，而maxdegree变体为150.02秒，Tomita等人则为198.06秒。
• 对于c-fat200-5图（200个顶点，8,473条边），新算法比Tomita等人快100倍（0.01秒 vs. 0.04秒），凸显其在稀疏结构化图上的高效性。
• 在更稠密的图如p_hat300-2（300个顶点，21,928条边）上，新算法比Tomita等人慢约1.5倍，但仍处于较小常数因子范围内。
• Tomita等人算法的邻接表变体在某些图上略快，但在其他图上则显著更慢，因此相比新算法的一致性能，其可靠性较差。
• 新算法的线性空间使用使其能够处理邻接矩阵无法装入主内存的大规模图，从而使得此前基于矩阵方法无法处理的大规模稀疏网络分析成为可能。