[論文レビュー] A simple algorithm for random colouring G(n, d/n) using (2 + ε)d colours

Charilaos Efthymiou|arXiv (Cornell University)|Jan 17, 2012

Limits and Structures in Graph Theory参考文献 13被引用数 13

ひとこと要約

本論文は、k ≥ (2 + ε)d色を用いて、Erdős–Rényi確率的グラフ G(n, d/n) に対して近似的なランダムk色彩色を効率的に実行する組み合わせ的アルゴリズムを提示する。このアルゴリズムは、問題をより単純な部分グラフに再帰的に還元することで、高確率でギブス分布からの全変動距離が n−Ω(1) 以内の分布を得る。従来の手法と比較して、kの下界を顕著に向上させた。

ABSTRACT

Approximate random k-colouring of a graph G = (V, E) is a very well studied problem in computer science and statistical physics. It amounts to constructing a k-colouring of G which is distributed close to Gibbs distribution, i.e. the uniform distribution over all the k-colourings of G. Here, we deal with the problem when the underlying graph is an instance of Erdos-Renyi random graph G(n, p), where p = d/n and d is fixed.We propose a novel efficient algorithm for approximate random k-colouring with the following properties: given an instance of G(n, d/n) and for any k ≥ (2 + e)d, it returns a k-colouring distributed within total variation distance n−Ω(1) from the Gibbs distribution, with probability 1 − n−Ω(1).What we propose is neither a MCMC algorithm nor some algorithm inspired by the message passing heuristics that were introduced by statistical physicists. Our algorithm is of combinatorial nature. It is based on a rather simple recursion which reduces the random k-colouring of G(n, d/n) to random k-colouring simpler subgraphs first.The lower bound on the number of colours for our algorithm to run in polynomial time is significantly smaller than the corresponding bounds we have for any previous algorithm.

研究の動機と目的

• スパースな確率的グラフ G(n, d/n) に対して、色数を削減した効率的な近似的なランダムk色彩色アルゴリズムの開発。
• 統計物理学や従来のアルゴリズムで用いられるMCMCやメッセージパッシングのヒューリスティクスに依存しない、組み合わせ的アプローチを導入することで、既存手法の限界を克服すること。
• 従来のアルゴリズムよりも低いkの閾値で、多項式時間での動作を達成すること。
• 出力分布が全変動距離の意味でギブス分布に近いことを保証すること。
• 固定されたdに対して k = (2 + ε)d 色で動作する、証明可能に効率的な手法を提供すること。

提案手法

• アルゴリズムは、G(n, d/n) のランダムk色彩色を、より単純な部分グラフに還元する再帰的分解戦略を用いる。
• マルコフ連鎖モンテカルロ（MCMC）やメッセージパッシングのヒューリスティクスを避ける組み合わせ的構成に依存する。
• スパースな確率的グラフにおける局所的構造と条件付き独立性を活用して、頂点に色を体系的に割り当てる。
• 再帰は、固定されたdに対してG(n, d/n)の典型的な局所的木構造を丁寧に分析することで導かれる。
• 最終的な色分けが、すべての有効なk色分けに対して一様に近いことを保証するため、濃度の境界を維持する。
• 色分け分布がギブス測度から逸脱する確率的偏差の尾部バウンドを用いて、高確率での保証を達成する。

実験結果

リサーチクエスチョン

• RQ1 k = (2 + ε)d で、組み合わせ的アルゴリズムがG(n, d/n)に対して効率的な近似的なランダムk色彩色を達成できるか？
• RQ2 スパースな確率的グラフ上で多項式時間で動作する非MCMC・非メッセージパッシングのアルゴリズムが、必要な色数の最小値は何か？
• RQ3 決定的で組み合わせ的なアルゴリズムは、全変動距離の意味でギブス分布にどの程度近づけるか？
• RQ4 確率的グラフの再帰的分解は、k色分けの証明可能に正確なサンプリングを可能にするか？
• RQ5 従来の閾値を下回る色数で、アルゴリズムが必要な色数を削減しながらも、高確率での正しさを維持できるか？

主な発見

• アルゴリズムは、確率 1 − n−Ω(1) でギブス分布からの全変動距離が n−Ω(1) 以内であることを達成する。
• k ≥ (2 + ε)d に対して、任意の固定されたdとε > 0 に対して、多項式時間で動作する。
• 従来のあらゆるアルゴリズムの境界と比較して、必要な色数が顕著に低く抑えられ、効率的サンプリングの閾値が向上した。
• この手法は本質的に組み合わせ的であり、統計物理学や従来のアルゴリズムで用いられるMCMCやメッセージパッシングのヒューリスティクスを回避する。
• 再帰的分解とスパースな確率的グラフ上の濃度解析を用いて、アルゴリズムの正しさと効率性を証明する。
• 結果は高確率で成り立つため、実装に耐えうる頑健性を備えている。