在 GPU 上加速二团计数

在二部图中计数 (p,q)-二团是一个基础性挑战，具有广泛的应用，从算法研究中的最稠密子图发现到实际场景中的个性化内容推荐。尽管其意义重大，但目前领先的 (p,q)-二团计数算法仍存在不足，特别是在面对更大的图规模和团规模时。幸运的是，该问题固有的结构允许从每个顶点开始独立计数每个二团，结合大量的集合交集操作，使其非常适合并行化。GPU 加速算法在各个领域的近期成功促使我们探索利用 GPU 的并行能力来高效应对 (p,q)-二团计数挑战。我们引入了 GBC (基于 GPU 的二团计数)，这是一种旨在 GPU 上实现高效且可扩展的 (p,q)-二团计数的新方法。为了解决集合交集中因冗余比较而产生的主要瓶颈（平均占用 90% 的运行时间），我们引入了一种新颖的数据结构，将邻接表哈希为截断位图，从而通过按位与操作在 GPU 上实现高效的集合交集。我们创新的 DFS-BFS 混合探索策略进一步提高了线程利用率并有效管理了内存限制。结合运行前和运行时工作负载分配的综合负载均衡策略，确保了线程间的公平分配。此外，我们采用了顶点重排序和图分区策略，以提高紧凑性和可扩展性。在八个真实和两个合成数据集上的实验评估表明，GBC 的性能大幅优于最先进的算法。特别是，GBC 实现了 497.8 倍的平均加速比，在 p = q = 8 时，最大实例实现了 1217.7 倍的显著加速比。