[论文解读] Transforming a random graph drawing into a Lombardi drawing

Nicolaos Matsakis|arXiv (Cornell University)|Dec 10, 2010

Data Visualization and Analytics参考文献 5被引用 3

一句话总结

本文提出一种力导向算法，通过迭代调整顶点位置，将随机图布局转换为Lombardi布局，利用圆形边弧实现完美的角分辨率。该方法采用质心初始化，通过切线对齐的圆形边在每个顶点周围实现等距角分布，并通过迭代优化最小化总弹簧能量，从而生成视觉上美观、对称且边分布最优的布局。

ABSTRACT

The visualization of any graph plays important role in various aspects, such as graph drawing software. Complex systems (like large databases or networks) that have a graph structure should be properly visualized in order to avoid obfuscation. One way to provide an aesthetic improvement to a graph visualization is to apply a force-directed drawing algorithm to it. This method, that emerged in the 60's views graphs as spring systems that exert forces (repulsive or attractive) to the nodes. A Lombardi drawing of a graph is a drawing where the edges are drawn as circular arcs (straight edges are considered circular arcs of infinite radius) with perfect angular resolution. This means, that consecutive edges around a vertex are equally spaced around it. In other words, each angle between the tangents of two consecutive edges is equal to $2π/d$ where d is the degree of that specific vertex. The requirement of using circular edges in graphs when we want to provide perfect angular resolution is necessary, since even cycle graphs cannot be drawn with straight edges when perfect angular resolution is needed. In this survey, we provide an algorithm that takes as input a random drawing of a graph and provides its Lombardi drawing, giving a proper visualization of the graph.

研究动机与目标

• 开发一种将任意图布局转换为具有完美角分辨率的Lombardi布局的方法。
• 解决传统力导向方法在实现顶点周围等距角分布方面的局限性。
• 在强制使用圆形边弧的同时最小化总弹簧能量，确保每个顶点处的切向间距一致。
• 实现高质量视觉效果的图可视化，适用于复杂网络。
• 提供一种可扩展的算法，适用于中等规模图，收敛行为作为关键验证目标。

提出的方法

• 使用质心力导向方法生成初始图布局，适用于最多40个顶点的图。
• 按度数降序排列顶点，优先在优化过程中处理高阶节点。
• 对于每个顶点，通过直线连接最远邻点以最小化初始能量，作为参考切线。
• 后续边重新连接为圆弧，角间距为$2\pi/d$弧度，其中$d$为顶点度数，确保完美角分辨率。
• 通过基于方程(8)的力平衡条件，迭代更新每个顶点的位置以最小化总弹簧能量，该条件依赖于距离和角偏差。
• 在处理每个新顶点前旋转坐标系，使初始切线与正x轴对齐，从而在迭代过程中保持角的一致性。

实验结果

研究问题

• RQ1 能否通过力导向优化系统地将随机图布局转换为具有完美角分辨率的Lombardi布局？
• RQ2 如何利用圆形边弧在最小化总能量的同时，确保每个顶点处连续边之间的角间距相等？
• RQ3 按度数排序顶点对Lombardi布局收敛性和质量的影响是什么？
• RQ4 在迭代顶点重定位过程中，该算法如何在保持角约束的同时维持力平衡？
• RQ5 该算法在不同大小和顶点度分布的图上的收敛特性如何？

主要发现

• 该算法通过使用具有恒定切线对齐的圆形边弧，成功地将随机图布局转换为Lombardi布局，实现了等距角分布。
• 采用质心初始化为优化过程提供了稳定的起点，尤其在顶点数少于40个的图中效果显著。
• 通过迭代重定位每个顶点至净力为零的状态（由方程(8)定义），实现了总弹簧能量的最小化，确保能量效率。
• 通过在处理每个顶点前旋转坐标系，保持了切线的相对方向，从而维持了稳定的角分辨率。
• 该算法的收敛性对顶点度数和图大小敏感，高阶顶点需要特别关注以确保可靠收敛。
• 转换过程在保持原始图拓扑结构的同时，通过对称的边分布显著提升了视觉美感。