[論文レビュー] Distributed $(Δ+1)$-Coloring in Sublogarithmic Rounds

David G. Harris, Johannes Schneider+1 more|arXiv (Cornell University)|Mar 4, 2016

Complexity and Algorithms in Graphs参考文献 48被引用数 3

ひとこと要約

この論文は、LOCALモデルにおける$(\Delta+1)$-彩色のための確率的分散アルゴリズムを提示しており、高確率で$O(\sqrt{\log\Delta}) + 2^{O(\sqrt{\log\log n})}$ラウンドで実行され、この問題に対する最初のサブロジスティックラウンドアルゴリズムを達成している。アプローチは、グラフを密度の高い部分と密度の低い部分に分解する新しい手法を用い、効率的な対称性の破壊を可能にするとともに、$(\Delta+1)$-彩色と最大独立集合問題の間の違いを明確にしている。

ABSTRACT

We give a new randomized distributed algorithm for $(Δ+1)$-coloring in the LOCAL model, running in $O(\sqrt{\log Δ})+ 2^{O(\sqrt{\log \log n})}$ rounds in a graph of maximum degree~$Δ$. This implies that the $(Δ+1)$-coloring problem is easier than the maximal independent set problem and the maximal matching problem, due to their lower bounds of $Ω\left( \min \left( \sqrt{\frac{\log n}{\log \log n}}, \frac{\log Δ}{\log \log Δ} ight) ight)$ by Kuhn, Moscibroda, and Wattenhofer [PODC'04]. Our algorithm also extends to list-coloring where the palette of each node contains $Δ+1$ colors. We extend the set of distributed symmetry-breaking techniques by performing a decomposition of graphs into dense and sparse parts.

研究の動機と目的

• 従来の確率的アプローチが示す$\Omega(\log n)$ラウンドの壁を超えて、LOCALモデルにおける$(\Delta+1)$-彩色の高速化された分散アルゴリズムを開発すること。
• ラウンド複雑度の違いを示すことで、$(\Delta+1)$-彩色が最大独立集合（MIS）問題よりも厳密に簡単であることを実証すること。
• 局所的に疎なグラフにおけるリスト彩色にアルゴリズムを拡張し、$(1-\delta)$-ローカルスパarsityを持つグラフに対して改善された境界を達成すること。
• 近傍の密度に基づいて頂点を密度の高い部分と疎らな部分に分ける新しいグラフ分解技術を導入し、各成分に特化した彩色戦略を可能にすること。

提案手法

• 近傍の密度に基づくパrameter化されたしきい値を用いて、グラフを密度の高い部分と疎らな部分に分解し、多くの近傍を持つ頂点を密度の高いものと分類する。
• 疎らな頂点に対しては、$\epsilon$-フレンドの定義に基づく確率的彩色手順を用い、近隣の選択に十分な独立性を確保する。
• 密度の高い部分は、外部次数が大きい頂点を削除することで問題サイズを縮小する再帰的彩色プロセスで処理し、集中限界を活用する。
• ネットワーク分解技術を適用して、彩色を並列に効率的に行えるようにグラフを成分に分割する。
• 各ラウンド後に各頂点の外部および内部近隣の数を確率的解析で制限し、衝突する近隣の数が線形未満に保たれることを保証する。
• 最終的な彩色は、疎らな部分と密度の高い部分の結果を組み合わせ、残存する衝突に対して既知のサブルーチンを用いて解決する。

実験結果

リサーチクエスチョン

• RQ1 確率的分散アルゴリズムが、LOCALモデルにおいて$(\Delta+1)$-彩色のサブロジスティックラウンド複雑度を達成できるか？
• RQ2 $(\Delta+1)$-彩色のラウンド複雑度は、最大独立集合問題よりも厳密に低いのか？
• RQ3 このアルゴリズムは、ローカルスパarsity特性を持つグラフにおけるリスト彩色に拡張可能か？
• RQ4 分散彩色アルゴリズムにおいて、$\Delta$と$n$との間の最適なトレードオフは何か？
• RQ5 密度の高い部分と疎らな部分への分解は、対称性の破壊問題における改善された境界をもたらすか？

主な発見

• アルゴリズムは高確率で$O(\sqrt{\log\Delta}) + 2^{O(\sqrt{\log\log n})}$ラウンドで実行され、すべてのグラフに対して$o(\log n)$である。
• この結果により、$(\Delta+1)$-彩色と最大独立集合問題の間の明確な分離が確立された。後者の問題には、$\Omega(\min(\sqrt{\log n / \log\log n}, \log\Delta / \log\log\Delta))$ラウンドの下界がある。
• $(1-\delta)$-ローカルスパースなグラフでは、アルゴリズムが高確率で$O(\log(1/\delta)) + 2^{O(\sqrt{\log\log n})}$ラウンドでリスト彩色を達成する。
• 初期彩色フェーズ後の各頂点の外部近隣の数は、$O(\log n) \cdot 2^{O(\sqrt{\log\Delta})}$で抑えられ、効率的な衝突解決が保証される。
• 近傍の密度に基づいて頂点を分類する新しいグラフ分解戦略を導入し、各成分に特化した彩色手順を可能にした。
• 従来の確率的境界（$O(\log n)$または$O(\log\Delta + \sqrt{\log n})$ラウンド）を超えて、$\Delta$および$n$の両方においてサブロジスティック複雑度を達成した。