.png){kind=icon}
返回
Multi-objective k-way parallel hypergraph partitioning with proximal gradient algorithm
.png){kind=icon}
PRE
AI
DOI：10.1007/s10589-025-00749-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文通过引入一种新颖的多目标非凸约束模型，提出了一种高效解决超图划分问题的方案。我们提出了一种新方法，该方法显著提升了划分质量和效率，采用了改进的加速近端梯度算法与基于方向余弦的加权划分算法相结合。为进一步改善划分结果，我们引入了一种并行计算策略，该策略优化多个参数和划分，降低了陷入局部最优的风险。在数值实验中，将本算法与当前最先进的划分工具（如KaHyPar、Mt-KaHyPar和hMETIS）在ISPD98和Titan23基准上进行比较。结果显示，尽管本算法在运行时间上未超越对比划分工具，但在划分质量方面表现出显著的竞争优势。具体而言，在加权顶点划分任务中，本算法成功解决了超过半数的实例，并在评估的划分工具中获得了最高质量的解。在Titan23基准（单位权重）中，该算法以最佳已知解解决了22.7%的问题，略优于KaHyPar。
Keyword:
Hypergraph partitioning
Parallel technology
Proximal gradient
Multi-objective optimization
期刊
C
IF:
2
论文数:
74
被引数:
3.5K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容