Image-based graph visualization

Complexe structuren ontwarren en overzichtelijk maken Softwaresystemen bevatten grote en complexe verzamelingen waarin de afhankelijkheid tussen componenten is vastgelegd, zoals aanroep- en erfenisgrafen en ook dataflow en typeafhankelijkheidsgrafen. De analyse van dergelijke grafen - ‘graaf’ is de wiskundige benaming voor een verzameling punten (knopen) en verbindingen - is een van de hoofdtaken bij het onderhoud van software. Het bevatten en overzien van grote grafen is een zeer uitdagend proces. Visualisatie kan daarbij een goed hulpmiddel zijn, zij het dat visualiseren van zeer grote grafen ook niet eenvoudig is. Dat geldt zeker als het aantal knooppunten of verbindingen (edges) zodanig groeit dat de klassieke 'node-link' visualisaties worden belemmerd door ‘clutter’ (warboel, ongestructureerde groepen van knooppunten en verbindingen die dicht bij elkaar zitten). Clutter belemmert taken zoals het vinden van knooppunten die gekoppeld worden aan een gegeven verbinding of verbindingsset en, op een hoger niveau, het begrijpen van de graafstructuur. Gelukkig bestaan er verschillende methodes voor het reduceren van clutter. Een ervan is 'edge bundling', ofwel het geometrisch groeperen van verbindingen die dicht bij elkaar zitten in de visualisatie. Dit produceert afbeeldingen waarin de graafstructuur beter leesbaar is. In zijn proefschrift bespreekt Ozan Ersoy een nieuwe aanpak voor het berekenen van 'edge bundling layouts' (EBLs) met als doel het verminderen van clutter in grote grafen. Hij illustreert deze aanpak met verschillende voorbeelden die van toepassing zijn bij programmacomprehensie van grote software-systemen. Daarbij worden ook datasets afkomstig uit de analyse van luchtverkeerinformatie besproken.