Core Concepts
본 논문은 다양성 있는 상위 k개 클리크 탐색 문제(DTkC)와 다양성 있는 상위 k개 가중치 클리크 탐색 문제(DTkWC)를 해결하기 위한 효율적인 진화 알고리즘 DiverTEAM을 제안한다.
Abstract
본 논문은 DTkC와 DTkWC 문제를 해결하기 위한 효율적인 진화 알고리즘 DiverTEAM을 제안한다. DiverTEAM은 두 단계로 구성된다:
지역 탐색 단계: 이 단계에서는 고품질이면서 다양한 개체(클리크 집합)를 생성하는 데 초점을 맞춘다. 이를 위해 솔루션이 악화되지 않도록 하는 지역 탐색 알고리즘을 사용한다.
유전 알고리즘 단계: 이 단계에서는 지역 탐색 단계에서 생성된 고품질 및 다양한 개체들을 효율적으로 전파하고 (근)최적 솔루션으로 수렴하는 데 초점을 맞춘다. 이를 위해 새로운 교차 연산자를 제안한다.
또한 DiverTEAM은 솔루션 기반 금지 탐색, 의사 그래프 축소 전처리, 그리고 후처리 기법 등을 통해 성능을 더욱 향상시킨다.
실험 결과, DiverTEAM은 다양한 벤치마크 데이터셋에서 DTkC와 DTkWC 문제에 대해 기존 최신 휴리스틱 알고리즘들을 크게 능가하는 우수한 성능과 강건성을 보여준다.
Stats
다양성 있는 상위 k개 클리크 탐색 문제(DTkC)에서 DiverTEAM은 기존 알고리즘 대비 최대 65%의 더 나은 결과를 얻었다.
다양성 있는 상위 k개 가중치 클리크 탐색 문제(DTkWC)에서 DiverTEAM은 기존 알고리즘 대비 최대 30%의 더 나은 결과를 얻었다.
Quotes
"본 논문은 DTkC와 DTkWC 문제를 해결하기 위한 효율적인 진화 알고리즘 DiverTEAM을 제안한다."
"DiverTEAM은 지역 탐색 단계와 유전 알고리즘 단계로 구성되며, 각 단계에서 서로 다른 목표에 초점을 맞춘다."
"DiverTEAM은 솔루션 기반 금지 탐색, 의사 그래프 축소 전처리, 그리고 후처리 기법 등을 통해 성능을 더욱 향상시킨다."