基于GPU的大型加权网络介数中心性快速计算方案

近几十年来，网络科学取得了巨大发展，为不同领域的真实系统建模提供了新的深刻语言。介数中心性作为网络科学中广泛使用的一种中心性指标，是研究网络负载和排序的有效代理。然而，极高的计算成本严重阻碍了其在大型网络上的应用。尽管已经提出了一些并行算法来降低在无权网络上的计算成本，但对于现实中比无权网络更普遍的加权网络，仍然缺乏快速解决方案。在本研究中，我们开发了一种高效的基于GPU的并行方法，以加速在超大型加权网络上计算介数中心性。在合成网络和真实网络上的全面系统评估表明，通过集成工作高效和经线中心策略，我们的解决方案相比CPU实现可以达到30倍到150倍的加速。我们的算法完全开源并免费提供给社区，可通过https://dx.doi.org/10.6084/m9.figshare.4542405公开获取。考虑到GPU在个人计算机和服务器上的广泛部署和价格下降，我们的解决方案将为探索网络科学中介数相关问题提供前所未有的机会。