[論文レビュー] An O(n^{2.75}) algorithm for online topological ordering

Deepak Ajwani, Tobias Friedrich+1 more|ArXiv.org|Feb 21, 2006

Constraint Satisfaction and Optimization被引用数 12

ひとこと要約

この論文は、辺の挿入に対してオンラインで有向無閉路グラフ（DAG）のトポロジカル順序を維持するための新規な O(n^2.75) アルゴリズムを提示している。これは、密なDAGに対して従来の境界を著しく改善したものであり、硬い挿入シーケンスにおいて最適な性能を達成するとともに、ランダムな入力に対しても競争力を持つ。この手法は、トポロジカル順序の入れ替えに基づく動的再順序付け戦略と、バケット化された隣接リストを用いた効率的なデータ構造を採用しており、特に硬い挿入シーケンスにおいて最適な性能を発揮する。

ABSTRACT

We present a simple algorithm which maintains the topological order of a directed acyclic graph with n nodes under an online edge insertion sequence in O(n^{2.75}) time, independent of the number of edges m inserted. For dense DAGs, this is an improvement over the previous best result of O(min(m^{3/2} log(n), m^{3/2} + n^2 log(n)) by Katriel and Bodlaender. We also provide an empirical comparison of our algorithm with other algorithms for online topological sorting. Our implementation outperforms them on certain hard instances while it is still competitive on random edge insertion sequences leading to complete DAGs.

研究の動機と目的

• オンラインでの辺の挿入に対して、時間計算量の改善を図ったDAGにおけるトポロジカル順序の維持に挑戦すること。
• 密なDAGや最悪ケースの挿入シーケンスにおいてスケーリングが著しく劣る既存のアルゴリズムの限界を克服すること。
• 理論的効率とランダムおよび硬いインスタンスの両方で強力な実験的性能を併せ持つ実用的なアルゴリズムを設計すること。
• オンライントポロジカルソーティングにおける理論的境界と実用的性能のギャップを埋めること。

提案手法

• アルゴリズムは、トポロジカル順序 T の一対一対応を維持し、辺の挿入によって順序制約が破られる場合にノードの入れ替えによる動的再順序付けを実行する。
• 2つの主要なデータ構造を用いる：O(1)の検索を可能にする一対一マッピング T 及びその逆写像、およびパラメータ t ≈ n^0.75 を用いたバケット化された隣接リストで、更新コストのバランスを取る。
• 辺 (u,v) を挿入する際、v < u であれば、トポロジカル順序に違反するノードの集合 A と B を収集し、マージされたソート済み集合を用いて再帰的に順序を再構成する。
• 再帰的 Reorder 手続きを用い、トポロジカル順序に従ってノードペアを処理することで、不変条件の維持により正しさを保証する。
• ハッシュベースの構造による空間最適化により、O(n^2) の空間で O(n^2.75) の期待時間、または O(n^2.25) の空間で O(n^2.75) の最悪ケース時間の両方を達成する。
• オンラインサイクル検出をサポートでき、スパースと密なグラフの両方に対して他のアルゴリズムとハイブリッドに組み合わせて使用可能である。

実験結果

リサーチクエスチョン

• RQ1 決定的オンライントポロジカル順序付けアルゴリズムは、辺の挿入に対して密なDAGで O(n^2.75) の時間計算量を達成できるか？
• RQ2 提案手法は、AHRSZ、MNR、PK といった既存手法と比較して、硬い挿入シーケンスにおいてどのように性能を発揮するか？
• RQ3 ランダムな辺挿入シーケンスにおいても、最悪ケース入力に対して他の手法を上回る強力な性能を維持できるか？
• RQ4 オンライントポロジカルソーティングにおいて、最悪ケース時間計算量と実用的効率のトレードオフは何か？

主な発見

• 提案手法は、オンライントポロジカル順序付けにおいて O(n^2.75) の時間計算量を達成し、密なDAGに対して従来の最良境界 O(min{m^1.5 log n, m^1.5 + n^2 log n}) を上回る。
• 硬い挿入シーケンスのクラスにおいて、n = 8000 時に AHRSZ より 30 倍速く、PK より 3.6 倍速く、MNR より 2 倍速く動作する。
• 完全なDAGに至るランダムな辺挿入シーケンスにおいて、最良の既存手法（AHRSZ、MNR、PK）と比較して 2～4 倍の性能を発揮する。
• 初期の O(n log n) 個の辺挿入の間は、頻繁なデータ構造の更新のため性能が低下するが、その後は AHRSZ よりも勾配が半分に安定する。
• オンラインサイクル検出をサポートでき、PK や KB と組み合わせてスパースグラフ用にハイブリッドシステムに利用可能である。また、密なグラフには自らのアルゴリズムを適用可能である。
• 適切なデータ構造のチューニングにより、O(n^2.75) の期待時間で O(n^2) の空間、または O(n^2.75) の最悪ケース時間で O(n^2.25) の空間を達成できる。