用于距离-2极大独立集和图粗化的并行、可移植算法
分布式、并行与集群计算
2022-04-07 v1
摘要
给定一个图，寻找顶点的距离-2极大独立集（MIS-2）是一个在代数多重网格粗化或多层图划分等多种情境下有用的问题。此类多层方法依赖于找到独立顶点，以便在多级方案中将其用作聚合的种子。我们提出了一种并行MIS-2算法，以提高在现代加速器硬件上的性能。该算法使用Kokkos编程模型实现，以实现性能可移植性。我们展示了该算法在多种架构（x86/ARM CPU和NVIDIA/AMD GPU）上的可移植性和性能。生成的算法也是确定性的，在所有这些平台上对给定输入产生相同的结果。新的MIS-2实现比CUSP和ViennaCL等先进库中的实现性能高出3-8倍，同时产生相似质量的结果。我们进一步通过为两种不同的用例开发并行图粗化方案来展示此方法的优势。首先，我们使用并行MIS-2开发了一个代数多重网格（AMG）聚合方案，并展示了与Trilinos中MueLu多重网格包先前使用的方法相比的优势。我们还描述了一种使用此MIS-2粗化实现并行多色“集群”高斯-赛德尔预条件子的方法，并展示了使用高效、并行、多色高斯-赛德尔算法带来的更好性能。
引用
@article{arxiv.2204.02934,
title = {Parallel, Portable Algorithms for Distance-2 Maximal Independent Set and Graph Coarsening},
author = {Brian Kelley and Sivasankaran Rajamanickam},
journal= {arXiv preprint arXiv:2204.02934},
year = {2022}
}
备注
Accepted for publication in IPDPS 2022