Paralelización de un experimento para determinar la escalonabilidad de grafos bipartitos usando Apache Spark

La escalonabilidad* de grafos es un problema en NP del que se desconoce su inclusión en las clases de complejidad P o NP-completa. Con el fin de comprender su comportamiento computacional en el caso particular de los grafos bipartitos, podría ser de utilidad disponer de un método eficiente para gene...

Full description

Autores:: Arango Holguín, Julián David
Cárdenas Álzate, Milena
Santamaría Galvis, Andrés David

Tipo de recurso:: Article of journal

Fecha de publicación:: 2017

Institución:: Universidad de los Llanos

Repositorio:: Repositorio Digital Universidad de los LLanos

Idioma:: eng

Description
Summary:	La escalonabilidad* de grafos es un problema en NP del que se desconoce su inclusión en las clases de complejidad P o NP-completa. Con el fin de comprender su comportamiento computacional en el caso particular de los grafos bipartitos, podría ser de utilidad disponer de un método eficiente para generar y analizar instancias escalonables. La literatura reporta un experimento secuencial, y de costo exponencial, diseñado para determinar la escalonabilidad de un conjunto de instancias. En el presente trabajo, y con el fin de mejorar el desempeño experimento mencionado, proponemos tres alternativas utilizando Apache Spark: una multinúcleo, otra multinodo y otra completamente paralela. Además, comparamos el tiempo de ejecución de cada una de ellas respecto a la versión original en grafos bipartitos aleatorios con 10,12,15,20 y 50 vértices, y obtuvimos aceleraciones (speedups) entre 1.37 y 1.67 para la versión multinúcleo, entre 2.34 y 3.56 para la versión multinodo, y entre 2.37 y 3.12 para la versión completamente paralela. Los resultados sugieren que la paralelización del experimento podría mitigar los enormes tiempos de ejecución del enfoque original.

Paralelización de un experimento para determinar la escalonabilidad de grafos bipartitos usando Apache Spark

Publicaciones similares