基于随机梯度下降的多准则可扩展图绘制，$(SGD)^2$

摘要：多准则可扩展图形绘制通过随机梯度下降的多准则可扩展图形绘制$(SGD)^2$ 是一种灵活并且可以处理大型图形的布局方法，可以处理多个可读性准则。$(SGD)^2$ 可以优化任何可由可微函数描述的准则。本方法可以优化以前已经考虑的几个准则（例如，获得理想的边长、应力、邻域保持）以及尚未明确以这种方式优化的其他准则（例如，节点分辨率、角度分辨率、纵横比）。改方法的一个变体还可以用于优化平面图中的许多理想属性，同时保持平面性。最后，我们提供了$(SGD)^2$ 的有效性的定量和定性证据：我们分析了准则之间的相互作用，衡量了从$(SGD)^2$ 生成的布局的质量以及其运行时间行为，并分析了样本大小的影响。源代码可在github上获得，并且我们还提供了一个适用于小型图形的交互式演示。

作者：Reyan Ahmed, Felice De Luca, Sabin Devkota, Stephen Kobourov, Mingwei Li

论文ID：2112.01571

分类：Computational Geometry

分类简称：cs.CG

提交时间：2021-12-06

PDF 下载： 英文版 中文版pdf翻译中