[論文レビュー] Asymptotic optimality of degree-greedy discovering of independent sets in Configuration Model graphs

Matthieu Jonckheere, Manuel Sáenz|arXiv (Cornell University)|Aug 30, 2018

Markov Chains and Monte Carlo Methods参考文献 48被引用数 6

ひとこと要約

本稿は、度数分布が与えられたスパースなランダムグラフ（配置モデルによる生成）における独立集合を求める際の次数グリーディー法の漸近的最適性を確立する。水素的極限を用いた逐次的探索プロセスの解析により、度数分布にやや緩い条件が課せられる限り、このアルゴリズムは最大で可能な独立集合のサイズに漸近的に等しくなることが証明され、誤差はnの任意の正のべきよりも速く消える。

ABSTRACT

Finding independent sets of maximum size in fixed graphs is well known to be an NP-hard task. Using scaling limits, we characterise the asymptotics of sequential degree-greedy explorations and provide sufficient conditions for this algorithm to find an independent set of asymptotically optimal size in large sparse random graphs with given degree sequences. In the special case of sparse Erd\\"os-R\\'enyi graphs, our results allow to give a simple proof of the so-called $e$-phenomenon identified by Karp and Sipser for matchings and to give an alternative characterisation of the asymptotic independence number.

研究の動機と目的

• 与えられた度数列を持つスパースなランダムグラフにおいて、次数グリーディー法の漸近的性能を特徴づけること。
• 配置モデルのグラフにおいて、次数グリーディー法が漸近的に最適な独立集合サイズに達するための十分条件を同定すること。
• エローズ＝レニイのグラフで観察された「e-現象」を、より一般的なスパースなランダムグラフモデルへと拡張すること。
• 特に独立集合問題の文脈において、大規模グラフ最適化におけるグリーディー法の効率性の理論的基盤を提供すること。

提案手法

• 配置モデルのグラフにおける逐次的探索プロセスの度数分布の変化を、水素的極限を用いて解析する。
• 探索プロセスを、頂点の度数と隣接ノードのブロッキングに従う状態遷移を有する確率過程としてモデル化する。
• スケーリング極限を適用し、時間経過に伴う各度数クラスに属する頂点の割合を記述する決定的微分方程式系を導出する。
• 二段階の解析を導入する：第一段階は度数1の頂点に焦点を当て、第二段階は残存する下位臨界グラフに焦点を当てる。
• 度数分布の境界を示し、指数的尾部減衰を証明するために、修正された微分方程式系を用いる。
• 一様summabilityおよび集中不等式を用いて、経験的度数分布がその流体極限に確率的に収束することを示す。

実験結果

リサーチクエスチョン

• RQ1 配置モデルのグラフにおいて、独立集合探索の度数グリーディー法が漸近的に最適となる度数分布の条件は何か？
• RQ2 スパースなランダムグラフの漸近的独立数は、逐次的グリーディー法を用いて特徴づけられるか？
• RQ3 度数グリーディー法は、大規模なスパースグラフにおいて、最大独立集合と同等の漸近的性能を達成するか？
• RQ4 度数グリーディー探索後の残存グラフの構造は、元の度数分布とどのように関係するか？

主な発見

• やや緩いモーメント条件のもとで、度数グリーディー法は最大で可能な独立集合サイズに漸近的に等しくなることが保証され、誤差はnの任意の正のべきよりも速く消える。
• スパースなエローズ＝レニイのグラフにおいて、本結果はよく知られた「e-現象」を再確認し、マッチングおよび独立集合問題における新たな特徴づけを提供する。
• 第一段階終了後の残存グラフの度数分布は、初期分布が重い尾部を示しても、依然として指数的尾部減衰を示す。
• 探索プロセスの流体極限は、大規模グラフにおける各度数クラスの進化を正確に記述する微分方程式系に収束する。
• 残存する下位臨界グラフ上で実行される第二段階は、最終的な独立集合サイズにほとんど寄与しないため、第一段階における度数1の頂点に焦点を当てる正当性が裏付けられる。
• 一様summabilityおよび集中不等式を用いることで、経験的測度が流体極限に収束することが確立され、漸近的結果の頑健性が保証される。