[論文レビュー] Density-Sensitive Algorithms for $(Δ+ 1)$-Edge Coloring

Sayan Bhattacharya, Martín Costa+2 more|arXiv (Cornell University)|Jul 5, 2023

Advanced Graph Theory Research被引用数 1

ひとこと要約

本稿では、密度に敏感なランダム化アルゴリズムを用いて $(\Delta+1)$-edge coloring を行い、$\widetilde{O}(\min\{m\sqrt{n}, m\Delta\}) \cdot \frac{\alpha}{\Delta}$ の実行時間を達成する。ここで $\alpha$ はグラフのアーボリシティである。低次数エッジを優先し、エッジの重みと色クラスの刈り込みに関する洗練された解析を活用することで、Gabow らおよび Sinnamon の長年の $\widetilde{O}(\min\{m\sqrt{n}, m\Delta\})$ の界を改善し、アーボリシティが有界であるか、$\alpha = \widetilde{O}(\Delta / \sqrt{n})$ である場合に近線形時間で動作する。主な貢献は、次数に敏感な刈り込みと重みを考慮した色分け手順により、実行時間の改善要因 $\alpha / \Delta$ を達成することにある。

ABSTRACT

Vizing's theorem asserts the existence of a $(Δ+1)$-edge coloring for any graph $G$, where $Δ= Δ(G)$ denotes the maximum degree of $G$. Several polynomial time $(Δ+1)$-edge coloring algorithms are known, and the state-of-the-art running time (up to polylogarithmic factors) is $ ilde{O}(\min\{m \cdot \sqrt{n}, m \cdot Δ\})$, by Gabow et al.\ from 1985, where $n$ and $m$ denote the number of vertices and edges in the graph, respectively. (The $ ilde{O}$ notation suppresses polylogarithmic factors.) Recently, Sinnamon shaved off a polylogarithmic factor from the time bound of Gabow et al. The {arboricity} $α= α(G)$ of a graph $G$ is the minimum number of edge-disjoint forests into which its edge set can be partitioned, and it is a measure of the graph's "uniform density". While $α\le Δ$ in any graph, many natural and real-world graphs exhibit a significant separation between $α$ and $Δ$. In this work we design a $(Δ+1)$-edge coloring algorithm with a running time of $ ilde{O}(\min\{m \cdot \sqrt{n}, m \cdot Δ\})\cdot \fracαΔ$, thus improving the longstanding time barrier by a factor of $\fracαΔ$. In particular, we achieve a near-linear runtime for bounded arboricity graphs (i.e., $α= ilde{O}(1)$) as well as when $α= ilde{O}(\fracΔ{\sqrt{n}})$. Our algorithm builds on Sinnamon's algorithm, and can be viewed as a density-sensitive refinement of it.

研究の動機と目的

• 最大次数 $\Delta$ が大きいグラフにおける $(\Delta+1)$-edge coloring の長年の実行時間の壁 $\widetilde{O}(\min\{m\sqrt{n}, m\Delta\})$ を克服すること。
• グラフのアーボリシティ $\alpha$（均一な密度の指標）に応じて性能が適応するアルゴリズムを設計すること、$\Delta$ だけではなく $\alpha$ に依存するようにすること。
• アーボリシティが有界（$\alpha = \widetilde{O}(1)$）または $\alpha = \widetilde{O}(\Delta / \sqrt{n})$ であるグラフにおいて、近線形時間の複雑性を達成すること。
• 低次数エッジと低重み端点を持つエッジを優先する次数に敏感なエッジ処理戦略を導入することで、既存のアルゴリズムを洗練すること。

提案手法

• アルゴリズムは Sinnamon のランダム化フレームワークに基づくが、エッジの重みに基づく優先順位を導入：エッジの重みは両端点の最小次数として定義される。
• エッジを異なるレベルの部分グラフに分割する再帰的色分け手順を用い、三段階のプロセス（分割、再帰、刈り込み）を実行する。
• 刈り込み段階では、合計重みが最小の3つの色クラスを特定し、それらをアンカバーすることで、修復すべき色の数を削減する。
• 修復段階では、未彩色エッジを交互パス探索によって処理する修正されたエッジ色分け手順を用い、期待される実行時間は未彩色エッジの合計重みで抑えられる。
• 各部分グラフ $H$ の期待実行時間は、$O\left(\frac{W_H}{\Delta_H} \cdot \left(\frac{n}{\Delta_H} + \log n\right)\right)$ で抑えられ、ここで $W_H$ は $H$ のエッジの合計重み、$\Delta_H$ はその最大次数である。
• 主な技術的革新は、重み付き平均化とパス長の期待値の境界を用いて、すべての再帰呼び出しにおける合計期待実行時間が $\widetilde{O}(W \cdot \min\{\log n, \sqrt{n}\log n / \Delta\})$ であることを示したことである。これにより最終的な実行時間の境界が得られる。

実験結果

リサーチクエスチョン

• RQ1 最大次数 $\Delta$ が大きいグラフにおいて、$(\Delta+1)$-edge coloring の実行時間を $\widetilde{O}(\min\{m\sqrt{n}, m\Delta\})$ を超えて改善できるか？
• RQ2 アーボリシティ $\alpha$ で測られるグラフの密度をどれだけ活用して、より高速な色分けアルゴリズムを達成できるか？
• RQ3 既存のランダム化エッジ色分けアルゴリズムに対して、次数に敏感な改良を加えることで、期待実行時間に有意義な改善が得られるか？
• RQ4 アーボリシティが $\alpha = \widetilde{O}(1)$ または $\alpha = \widetilde{O}(\Delta / \sqrt{n})$ であるグラフにおいて、$(\Delta+1)$-edge coloring で近線形時間の実行が可能か？
• RQ5 エッジの合計重み（両端点の最小次数として定義）が、エッジ色分け手順の期待実行時間にどのように影響するか？

主な発見

• アルゴリズムは $\widetilde{O}(\min\{m\sqrt{n}, m\Delta\}) \cdot \frac{\alpha}{\Delta}$ の実行時間を達成し、従来の最良界を $\alpha / \Delta$ 倍改善した。
• アーボリシティが有界（$\alpha = \widetilde{O}(1)$）であるグラフでは、アルゴリズムは近線形時間 $\widetilde{O}(m)$ で実行され、従来の界よりも顕著に改善された。
• $\alpha = \widetilde{O}(\Delta / \sqrt{n})$ の場合、同様に近線形実行時間が達成され、スパarsely または中程度に密集したグラフへの適用範囲が拡張された。
• 期待実行時間は $O(\min\{m\Delta\log n, m\sqrt{n}\log n}\cdot \frac{\alpha}{\Delta} + m\log n)$ で抑えられ、高確率の境界では対数因子がわずかに増加する。
• 解析により、各再帰段階で処理されるエッジの次数の合計が $O(W_H / \Delta_H)$ で抑えられ、ここで $W_H$ は部分グラフ $H$ のエッジの合計重み、$\Delta_H$ はその最大次数である。これにより、主な実行時間の改善が得られた。
• アルゴリズムの性能は頑健である：$\alpha = \widetilde{O}(1)$ の場合だけでなく、$\Delta$ に対して非線形に成長するが $\alpha$ が $\Delta$ に対して部分的に線形に成長するグラフに対しても、近線形時間の複雑性を維持する。