A GPU-accelerated local search algorithm for the Correlation Clustering problem
Résumé
The solution of the Correlation Clustering (CC) problem can be used as a criterion to measure the amount of balance in signed social networks, where positive (friendly) and negative (antagonistic) interactions take place. Metaheuristics have been used successfully for solving not only this problem, as well as other hard combinatorial optimization problems, since they can provide sub-optimal solutions in a reasonable time. In this work, we present an alternative local search implementation based on GPGPUs, which can be used with existing GRASP and ILS metaheuristics for the CC problem. This new approach outperforms the existing local search procedure in execution time, with similar solution quality, presenting average speedups from x1.8 to x28.
A solução ótima para o problema de Correlação de Clusters (Correlation Clustering ou CC) pode ser utilizada como medida do nível de equilíbrio em redes sociais de sinais, onde interações positivas (amizade) e negativas (antagonismo) estão presentes. Metaheurísticas têm sido utilizadas com sucesso para resolver não apenas este, como também outros problemas difíceis de otimização combinatória, por serem capazes de fornecer soluções sub-ótimas em um tempo razoável. Este trabalho propõe uma implementação alternativa de busca local baseada em GPGPUs, a qual pode ser utilizada em conjunto com as metaheurísticas GRASP e ILS existentes para o problema CC. Esta nova abordagem supera, em tempo de execução, o procedimento de busca local até então aplicado, com qualidade de solução similar, apresentando speedups médios que vão de x1.8 a x28.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...