Metis是一种图划分工具，旨在将图均衡地划分为多个部分，减少边的连接。文章详细介绍了k路划分过程，包括Coarsening Phase（节点合并策略），Partitioning Phase（使用Kernighan-Lin算法进行划分），以及Uncoarsening Phase（细化阶段的优化）。Coarsening通过随机匹配或高度连接节点合并来减少图的规模，Partitioning利用KL算法调整节点分配以最小化edge-cut，Uncoarsening则进一步优化划分。整个过程未考虑网络拓扑和带宽信息，且大规模图的并行化处理面临挑战。
Metis
图划分
目标：将图划分为几个包含差不多相等的顶点个数的部分，并且这些部分之间的边数目尽可能地小。（若是有权重的 ，则是各个划分内部的权重和差不多相等，各划分之间的权重尽可能小）
k路划分：
可以不断地执行二路划分 递归的执行 logk 次：例如要求 4 个，那么递归执行 log4 即两次二分，那么就变成了四块。
Coarsening Phase
多个节点合成一个节点，有以下几点要注意：
- 节点的权值为合成的结点的总个数
- 为保持连通性，新的边为原来的并集
- 边的权值为并起来的边的个数之和
两种方法：
- 随机匹配，匹配上的点合成一个节点
- 有高度连接的点合成一个点
第二种方法适用于 VLSI 因为其中可能有很多连接紧密的节点。
第一种方法：
一个匹配是 maximal 的，为如果图中任何一个没被选入匹配的边的至少一个端点被匹配了。也即不能有这样的两个邻接点，他们都没被选中，这样的话这个匹配就不是 maximal 匹配
maximal 匹配中，拥有最大的边的数目的是 maximum 匹配
显然，计算 maximum 匹配要比普通的 maximal 匹配消耗的多。
G0 若是 maximal 的，则 Gi 仍是 maximal 的
Random Matching：
随机的访问图上的点&#x
最低0.47元/天 解锁文章
扫一扫
2508
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
