[論文レビュー] A Labeling Approach to Incremental Cycle Detection

Edith Cohen, Amos Fiat+2 more|arXiv (Cornell University)|Oct 31, 2013

Complexity and Algorithms in Graphs参考文献 15被引用数 3

ひとこと要約

本稿では、有向無閉路グラフ（DAG）における段階的サイクル検出のための新しいラベリング技法を提案する。再帰的ランダムランクを用いて弱トポロジカル順序を維持する。この手法により、従来の最良の結果と同等の時間計算量—$O(n^2/log n)$ および $O(m \cdot \min\{m^{1/2}, n^{2/3}\})$—を達成しつつ、より単純で、局所的なラベル比較と pruning を通じて分散実装に適した特性を有する。

ABSTRACT

In the \emph{incremental cycle detection} problem arcs are added to a directed acyclic graph and the algorithm has to report if the new arc closes a cycle. One seeks to minimize the total time to process the entire sequence of arc insertions, or until a cycle appears. In a recent breakthrough, Bender, Fineman, Gilbert and Tarjan \cite{BeFiGiTa11} presented two different algorithms, with time complexity $O(n^2 \log n)$ and $O(m \cdot \min \{m^{1/2}, n^{2/3} \})$, respectively. In this paper we introduce a new technique for incremental cycle detection that allows us to obtain both bounds (up to a logarithmic factor). Furthermore, our approach seems more amiable for distributed implementation.

研究の動機と目的

• エッジが1つずつ追加される有向無閉路グラフ（DAG）における段階的サイクル検出問題に取り組む。サイクルが形成された段階で即座に検出する必要がある。
• ランダムランクを用いた再帰的頂点ラベリングに基づき、これまでのアルゴリズムを統一する、より直感的なフレームワークを構築する。
• 前方探索と後方探索におけるラベルベースの局所的プルーニングを活用することで、分散システムにおけるアルゴリズムの適性を向上させる。
• 中央集権的アルゴリズムで達成可能な最良の計算量境界に、多項対数因子の差異を許容しつつ、正しさや効率性を損なわず到達する。

提案手法

• 有向無閉路グラフ内の $qn$ 個の頂点のサブセットに、$1$ から $qn$ のランダムランクを割り当てる。ここで $0 < q \leq 1$ である。
• 各頂点 $u$ に対して、再帰的ラベル $\ell(u)$ を定義する。これは、$u$ に到達可能な最小ランクの頂点から始まるランク付き頂点の列である。
• ラベルを再帰的に拡張する：$\ell(u)$ の各後続頂点は、直前のラベル頂点から到達可能で、かつ $u$ に到達可能な最小ランクの頂点である。
• ラベル列の辞書式順序を用いて経路を除外する：$\ell(y) \succ \ell(x)$ ならば、$y$ から $x$ への経路は存在しない。
• ラベル更新を効率的に伝搬するメッセージパッシングスケジュールを用いて、エッジ挿入中にラベルを動的に維持する。
• 前方探索と後方探索を、ラベル比較によるプルーニングで簡略化し、サイクル検出時の探索頂点数を削減する。

実験結果

リサーチクエスチョン

• RQ1 最適な時間計算量を維持しつつ、従来のアルゴリズムを単一で直感的なフレームワークに統合できるか。
• RQ2 再帰的ランダムラベリングをどのように用いることで、弱トポロジカル順序を維持し、動的DAGにおける経路存在チェックを効率的に行えるか。
• RQ3 ラベルベースのプルーニング技術が、サイクル検出における前方探索と後方探索のコストをどの程度低減できるか。
• RQ4 提案手法は効率的に分散化可能か。また、メッセージ量の複雑さや同期仮定の観点から、従来の手法と比較してどうなるか。
• RQ5 パラメータ $q$（ランク付き頂点の割合）が、前方探索と後方探索のコストのトレードオフに与える影響はいかほどか。

主な発見

• 再帰的ラベルの期待長は、頂点数に関して対数的であるため、表現がcompactで比較が効率的であることが保証される。
• 任意のDAGの経路上では、ラベル列が辞書式に減少するため、ラベル比較による経路存在チェックが効率的に行える。
• ある頂点 $u$ に到達可能な、$u$ と同じラベルを持つ頂点の集合のサイズは、高確率で $O(\log n / q)$ である。
• $q = 1$ とすると、一意なラベルにより後方探索が不要となり、合計時間は $O(n^2 \log^2 n)$ に達する。
• スパarsなグラフ（$m = O(n)$）では、$q = 1/\sqrt{n}$ とすることで合計時間は $O(n^{3/2} \log n)$ になり、既知の境界と一致する。
• $q = \sqrt[3]{\log n / n}$ とすると、前方探索と後方探索の時間が $O(m \cdot n^{2/3} \log^{4/3} n)$ でバランスし、稠密グラフにおける最良のトレードオフが達成される。