SHyPar：面向超图划分的谱细化方法

当前主流的超图划分算法采用多层次范式，构建多个层次的逐步细化后的超图，引导每个层次的划分进行割边优化。传统方法在细化阶段采用启发式方法，未考虑超图的结构特征。本文引入一种多层次谱框架——SHyPar，通过利用超边有效电阻和基于流的社区检测技术，对大规模超图进行划分。受最新的理论谱聚类框架（如 HyperEF 和 HyperSF）的启发，SHyPar 旨在将大型超图分解为多个子图，同时保持较少的跨分区超边（割边数）。SHyPar 的关键组件是一种基于流的局部聚类方案，用于超图细化，采用最大流算法生成具有显著改进导数性能的聚类。此外，SHyPar 采用有效电阻基于的评分函数来合并强关联（耦合）的节点。与现有主流超图划分方法相比，我们在真实世界 VLSI 设计数据上的大量实验表明，SHyPar 能更有效地划分超图，实现了最佳的解质量。