Un algoritmo basado en la estrategia de granulación para calcular componentes fuertemente conectados en paralelo
Autores: He, Huixing; Xu, Taihua; Chen, Jianjun; Cui, Yun; Song, Jingjing
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un algoritmo basado en la estrategia de granulación para calcular componentes fuertemente conectados en paralelo
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Computación granular
Metodología
Resolución de problemas
Granulación
Computación
Componentes fuertemente conectados
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 23
Citaciones: Sin citaciones
La computación granular (GrC) es una metodología para reducir la complejidad de la resolución de problemas e incluye dos aspectos básicos: la granulación y la computación basada en granulos. Los componentes fuertemente conectados (SCCs) son una estructura de subgrafo significativa en los digrafos. En este artículo, se diseñaron dos nuevas estrategias de granulación para mejorar la eficiencia de cálculo de SCCs. En primer lugar, se encontraron cuatro correlaciones de SCC entre los vértices, que pueden dividirse en dos clases. En segundo lugar, se diseñaron dos estrategias de granulación basadas en las correlaciones entre las dos clases de SCCs. En tercer lugar, de acuerdo con las características de los resultados de la granulación, se realizó la paralelización del cálculo de SCCs. Finalmente, se propuso un algoritmo paralelo basado en la estrategia de granulación para calcular SCCs de digrafos simples llamado GPSCC. Los resultados experimentales muestran que GPSCC tiene un rendimiento con una eficiencia computacional superior a los algoritmos.
Descripción
La computación granular (GrC) es una metodología para reducir la complejidad de la resolución de problemas e incluye dos aspectos básicos: la granulación y la computación basada en granulos. Los componentes fuertemente conectados (SCCs) son una estructura de subgrafo significativa en los digrafos. En este artículo, se diseñaron dos nuevas estrategias de granulación para mejorar la eficiencia de cálculo de SCCs. En primer lugar, se encontraron cuatro correlaciones de SCC entre los vértices, que pueden dividirse en dos clases. En segundo lugar, se diseñaron dos estrategias de granulación basadas en las correlaciones entre las dos clases de SCCs. En tercer lugar, de acuerdo con las características de los resultados de la granulación, se realizó la paralelización del cálculo de SCCs. Finalmente, se propuso un algoritmo paralelo basado en la estrategia de granulación para calcular SCCs de digrafos simples llamado GPSCC. Los resultados experimentales muestran que GPSCC tiene un rendimiento con una eficiencia computacional superior a los algoritmos.