[論文レビュー] Deterministic subgraph detection in broadcast CONGEST

Janne H. Korhonen, Joel Rybicki|arXiv (Cornell University)|May 29, 2017

Algorithms and Data Compression参考文献 20被引用数 15

ひとこと要約

この論文は、分散コンputィングのブロードキャスト CONGEST モデルにおける部分グラフ検出および列挙の決定的で効率的なアルゴリズムを提示する。パスおよび木の検出には定数ラウンドを達成し、サイクルおよび擬似木の検出には線形ラウンドを、$d$-非分割グラフにおけるクリークおよびサイクルの近似的最適な列挙には、最適化された通信パターンと非分割性に基づく刈り込みを用いることで、サポート付き CONGEST モデルの範囲を拡大して向上を図った。

ABSTRACT

We present simple deterministic algorithms for subgraph finding and enumeration in the broadcast CONGEST model of distributed computation: -- For any constant $k$, detecting $k$-paths and trees on $k$ nodes can be done in $O(1)$ rounds. -- For any constant $k$, detecting $k$-cycles and pseudotrees on $k$ nodes can be done in $O(n)$ rounds. -- On $d$-degenerate graphs, cliques and $4$-cycles can be enumerated in $O(d + \log n)$ rounds, and $5$-cycles in $O(d^2 + \log n)$ rounds. In many cases, these bounds are tight up to logarithmic factors. Moreover, we show that the algorithms for $d$-degenerate graphs can be improved to optimal complexity $O(d/\log n)$ and $O(d^2/\log n)$, respectively, in the supported CONGEST model, which can be seen as an intermediate model between CONGEST and the congested clique.

研究の動機と目的

• CONGEST モデルにおける定数サイズの部分グラフの決定的検出の複雑さのギャップを埋めること。特に、定数サイズの部分グラフに焦点を当てる。
• 帯域幅が制限された分散ネットワークにおける小さな部分グラフ（パス、木、サイクル、クリーク）の検出および列挙のための効率的で決定的なアルゴリズムを提供すること。
• 特に非分割性が有界なスパarsなグラフにおいて、部分グラフ検出の既存の上界および下界を改善すること。
• 通信が強化されたサポート付き CONGEST モデルに結果を拡張し、重要な問題においてタイトな境界と最適な複雑さを実現すること。
• 中央集権的アルゴリズムにおける固定パラメータ技術（例：代表的族、カラーコーディング）が、分散環境に効果的に適応可能であることを示すこと。

提案手法

• 固定パラメータアルゴリズム工学からの代表的族を活用し、ノード間で部分グラフ候補の検証を圧縮・分散化する。
• 非分割性 $d$ を通信の構造に用いる：各ノードはラウンドごとに $O(d)$ ビットのみをブロードキャストし、$d$-向き付けにおける出次数の有無を符号化する。
• すべての隣接ノードが同じメッセージを受け取るブロードキャストモデルを採用し、帯域幅の使用を最小限に抑えつつ、協調動作を可能にする。
• カラーコーディングに類似した技術を決定的に適用し、パスおよびサイクルの検出に、ラウンドごとの注意深い調整を施す。
• サポート付き CONGEST モデルにおける通信を最適化し、ノードが局所的に非分割性および向き付けを計算できるようにすることで、$O(\log n)$ のオーバーヘッドを削減する。
• 局所的計算とグローバルな協調を組み合わせる：ノードは共有情報を利用して部分グラフ候補を検証し、完全な部分グラフが確認された場合にのみ結果をブロードキャストする。

実験結果

リサーチクエスチョン

• RQ1 ブロードキャスト CONGEST モデルにおいて、定数サイズの部分グラフの決定的検出を定数ラウンドで達成できるか？
• RQ2 一般グラフにおける $k$-サイクルおよび擬似木の検出の最適なラウンド複雑さは何か？ そして $k$ と共にどのようにスケーリングされるか？
• RQ3 $d$-非分割グラフにおける部分グラフ列挙を $O(d + \log n)$ ラウンドで行えるか？ また、サポート付き CONGEST モデルでは改善可能か？
• RQ4 CONGEST モデルにおける部分グラフ検出のタイトな下界は何か？ そして上界と比較するとどうなるか？
• RQ5 中央集権的コンピューティングにおける固定パラメータアルゴリズム技術が、帯域幅が限られた分散環境において最適な分散アルゴリズムを導くのに適応可能か？

主な発見

• 任意の定数 $k$ に対して、$k$-パスおよび $k$-ノードの木は、ブロードキャスト CONGEST モデルで $O(1)$ ラウンドで検出可能である。
• $k$-サイクルおよび $k$-ノードの擬似木は、$O(n)$ ラウンドで検出可能であり、対数要因を除いて既知の最良の下界と一致する。
• $d$-非分割グラフでは、$k$-クリークおよび $4$-サイクルは $O(d + \log n)$ ラウンドで列挙可能であり、$5$-サイクルは $O(d^2 + \log n)$ ラウンドで列挙可能である。
• サポート付き CONGEST モデルでは、$k$-クリーク列挙が $O(d/\log n)$ ラウンドで実行可能であり、$4$-サイクル列挙も $O(d/\log n)$ ラウンドで実行可能であり、最適な複雑さに達している。
• $5$-サイクル列挙において、サポート付き CONGEST モデルは複雑さを $O(d^2/\log n)$ ラウンドにまで低下させ、対数ギャップを埋めた。
• Drucker ら [12] の下界は、サポート付き CONGEST モデルに拡張可能であり、$4$-サイクルおよび $k$-サイクル検出（$k \geq 6$ で偶数）には $\Omega(n^{1/2}/\log n)$ ラウンドが必要であることを確認している。また、非分割グラフにおける $4$-および $5$-サイクルには $\Omega(d/\log n)$ が下界として必要である。