[論文レビュー] Constant approximation algorithms for embedding graph metrics into trees and outerplanar graphs

Victor Chepoi, Feodor F. Dragan+3 more|arXiv (Cornell University)|Jul 3, 2010

Advanced Graph Theory Research参考文献 19被引用数 18

ひとこと要約

本稿では、重みなしグラフ距離を木距離に埋め込む際の歪み係数6の簡素化され改善された定数係数近似アルゴリズムを提示している。これは先行研究を改善するものである。また、メトリック緩和マイナーの概念を導入し、外部平面距離への埋め込みに関して、初めての定数係数近似アルゴリズムを提供している。$K_{2,3}$-マイナーの障害を利用して、歪み$O(\alpha)$を達成している。

ABSTRACT

In this paper, we present a simple factor 6 algorithm for approximating the optimal multiplicative distortion of embedding a graph metric into a tree metric (thus improving and simplifying the factor 100 and 27 algorithms of B\\v{a}doiu, Indyk, and Sidiropoulos (2007) and B\\v{a}doiu, Demaine, Hajiaghayi, Sidiropoulos, and Zadimoghaddam (2008)). We also present a constant factor algorithm for approximating the optimal distortion of embedding a graph metric into an outerplanar metric. For this, we introduce a general notion of metric relaxed minor and show that if G contains an alpha-metric relaxed H-minor, then the distortion of any embedding of G into any metric induced by a H-minor free graph is at meast alpha. Then, for H=K_{2,3}, we present an algorithm which either finds an alpha-relaxed minor, or produces an O(alpha)-embedding into an outerplanar metric.

研究の動機と目的

• 重みなしグラフ距離を木距離に埋め込むための、より簡素で改善された定数係数近似アルゴリズムを開発すること。
• 木埋め込みに用いられる障害に基づくアプローチを外部平面距離に拡張すること。
• マイナー自由グラフ距離における歪み下界を分析する一般枠組みとしてのメトリック緩和マイナーの概念を導入すること。
• 効率的なアルゴリズムを設計し、グラフを外部平面距離に$O(\alpha)$の歪みで埋め込むか、または$\alpha$-メトリック緩和$K_{2,3}$-マイナーを検出すること。
• $K_{2,3}$-マイナー自由（すなわち外部平面）距離への低歪み埋め込みが可能でない構造的条件を確立すること。

提案手法

• 先行研究からの分解手順を活用し、Bǎdoiuらの木埋め込みの構築を簡素化・改善する。
• メトリック緩和マイナーの概念を導入し、歪み下界に対するトポロジカル障害の概念を一般化する。
• $K_{2,3}$-マイナーを、$K_{2,3}$-マイナー自由グラフへの埋め込みにおける歪み下界を定義する禁止構造として用いる。
• グラフを層とセルに分割するクラスタベースの分解を用い、分離性および隣接性の性質を活用して、ターゲットの外部平面グラフにおける経路接続性を保証する。
• 大きなクラスタのセル同士のマッチング手順を用いて、歪みが有界な外部平面埋め込みを構築する。
• 経路長の解析を用い、元のグラフと埋め込み済みグラフの任意の頂点ペア間の歪みを評価し、$d_G \leq d_{G'} \leq (100\lambda + 75) d_G$を証明する。

実験結果

リサーチクエスチョン

• RQ1 重みなしグラフ距離を木距離に埋め込む際の近似係数を27未満に低下させつつ、簡素さと効率性を維持できるか？
• RQ2 木を越えてマイナー自由グラフ距離への埋め込みに一般化された障害理論は存在するか？
• RQ3 $K_{2,3}$-マイナーのような構造的障害を用いて、外部平面距離への定数係数近似アルゴリズムを設計できるか？
• RQ4 $K_{2,3}$-マイナー自由距離への低歪み埋め込みが可能であるための必要十分条件は何か？
• RQ5 メトリック緩和マイナーの枠組みを$K_4$や$K_{2,r}$などの他の禁止マイナーへ拡張できるか？

主な発見

• 本稿では、重みなしグラフ距離を木距離に埋め込む6-近似アルゴリズムを提示しており、以前の最良因子27を改善している。
• メトリック緩和マイナーの概念を導入し、グラフ$G$が$\alpha$-メトリック緩和$H$-マイナーを含む場合、$G$を$H$-マイナー自由距離に埋め込む任意の埋め込みの歪みは少なくとも$\alpha$以上であることを示している。
• $H = K_{2,3}$の場合、本稿では$\alpha$-メトリック緩和$K_{2,3}$-マイナーを検出するか、外部平面距離への$O(\alpha)$-埋め込みを生成するアルゴリズムを提示している。
• 最適歪み$\lambda^*(G, \mathcal{O}) \leq \lambda$のとき、埋め込みの歪みが$100\lambda + 75$で有界であることを保証しており、定数係数近似であることを証明している。
• 結果は無限グラフへも拡張可能であり、層分割におけるクラスタ径値が一様に有界である場合に限り、木や外部平面グラフへの有限歪み埋め込みが存在する。
• メトリック緩和マイナーの枠組みが、マイナー自由グラフ距離における歪み下界の分析および近似アルゴリズムの設計に強力なツールであることが示されている。